文章核心观点 - 世界模型被视为下一代AI基座与连接数字AI和物理世界的桥梁，是具身智能、自动驾驶、机器人等物理AI应用的基础设施，赛道吸金速度空前但技术落地尚早、概念边界模糊、叙事泡沫已起 [10][8][6] - 2026年前七个月中国一级市场世界模型赛道流入资金666亿元、58家公司拿到融资，而严格按预训练标准筛选真正在做世界模型的公司不超过五家，新成立公司23家中18家数月内完成首轮或前两轮融资、2家在种子轮或Pre-A轮即成为独角兽 [5][9][10] - 行业共识是世界模型人才窗口期可能只有两到三年，企业抢人阶段已前移至博一博二，实习即享全职待遇成为锁定手段 [17][15] 赛道界定与技术分层 - 学界对世界模型概念有共识但商业界并非如此，大部分消费者对其含义与价值定位模糊甚至陌生 [6] - 李飞飞提出的闭环逻辑为智能体做出动作、动作改变世界状态、智能体接收观测并做出下一个动作，据此形成产业分工底层逻辑 [22] - 第一类是渲染器输出像素，如文生视频与图像生成，商业化最成熟但不懂物理和几何，不保证物理与几何正确性 [22] - 第二类是规划器输出动作，如VLA模型与具身智能大脑，是当前热钱聚集地，但尚无规划器在真实世界复杂度和长时序任务中被完全验证 [23] - 第三类是模拟器输出状态，输出几何数据与物理参数，研发最难，AI生成虚拟物体接入物理引擎易穿模或崩塌，是连接数字与现实的桥梁也是最大瓶颈 [23] - 预训练是区分真伪的关键标准之一，即是否从零开始用海量数据训练模型理解物理规律，而非仅微调或应用；部分项目仅将原有仿真、3D或视频生成业务更换标签 [18] 资本与人才市场现状 - 海外头部实验室与机器人公司已将世界模型发展为独立研究与人才方向：Google DeepMind公开招聘研究科学家，1X设岗年薪20万至30万美元加股权，Runway世界模型工程师岗27万至37万美元年薪加期权，xAI开出18万至44万美元 [10] - 国内知名上市公司世界模型/VLA算法首席岗位年包约900万至1020万元，国内应届博士年薪普遍在60万至150万元区间 [17] - Waabi为世界模型研究工程师开出15.5万至26.9万美元年薪外加股权与奖金，Meta为超级智能实验室向OpenAI、Google DeepMind顶级研究员开出四年3亿美元薪酬包 [17] - Momenta顶尖院校研究员实习薪酬最高达3600元一天，大厂在实习即享全职待遇的锁定政策下抢人 [15] - 猎头认为当前状况是没人可培养只能挖，普通大模型算法岗已较拥挤，缺的是高匹配复合算法与工程落地，VLA、世界模型/World-Action Model、RL与运控交叉是缺口和薪酬弹性最大的方向之一 [13] - 世界模型核心基模团队在基建设施完善的公司或研究室剥离重复劳动后约10人即可运行 [15] 人才来源与准入门槛 - 最直接源头是计算机视觉与3D图形学/神经渲染，元宇宙、视频生成、LLM、数理背景及机器人/机械/电子背景从业者均有分布，一种说法是原元宇宙从业者是当前世界模型最大人才来源，核心基模/WAM仍主要是数理博士和LLM/视频生成研究员 [13] - 最低准入门槛为相关方向高校硕博学历、扎实的机器学习/深度学习基础、至少一段以上对口科研或项目经历，高校学历被视为证明价值密度和AI Native质量的敲门砖 [14] - 实验室岗位多靠熟人引荐和师门网络，转行人员更多分布在工程侧或外围，企业岗位更为开放；现实人才来源主要是大公司溢出人才与院校硕博 [14][13] - 技术线窗口期基本不存在，产品线窗口期存在 [12] 自动驾驶应用 - 自动驾驶是当前离钱最近、世界模型应用最成体系且商业化路径最清晰的领域 [26] - 华为采取重金打法，云端世界引擎生成海量训练场景、车端世界行为模型直接处理传感器数据并输出驾驶指令，2026年计划在该领域投入超过180亿元 [26] - 蔚来今年1月向超过46万辆车推送NWM全新版本，是国内最早发布也最早量产的自动驾驶世界模型 [26] - 人才主要来自华为、小鹏、蔚来、理想、Waymo及清华、浙大、西湖大学等，互联网大厂AI部门也在输送，计算机、自动化、数学、车辆工程、电子工程等硕士及以上学历是基础门槛 [26] - Sim2Real鸿沟仍是行业头号难题，Waymo召回事件即因积水路段决策失误、仿真无法复现真实水文物理特性 [26] 人形机器人与物理AI应用 - 原力无限完成近10亿元A轮及A+轮融资，前阿里副总裁白惠源押注因果世界模型，产品累计拿下超5亿元商业订单 [28] - 千诀科技完成数亿元A+轮融资，聚焦预测式世界模型与多项式表征架构 [28] - 星海图4月完成20亿元B+轮融资、估值突破200亿元，8月宣布已交付千台级模型驱动的真实生产力订单，明年交付目标为万台以上 [28] - 人才来源五方向为具身智能原生研究、传统互联网、大模型、自动驾驶及汽车、智能硬件，其中自动驾驶是最大输送源；高校侧清北复交、浙大、哈工大机器人实验室是顶尖算法人才主要来源 [29] - 背景分大脑与小脑两条线，大脑侧需计算机、AI背景做VLM、多模态大模型和世界模型，小脑侧需机器人学、控制工程背景做运动控制、导航和遥操作，最缺有运动控制经验的人及懂硬件与物理交互的交叉背景人才 [29] - 银河通用创始人王鹤认为人形机器人距理想通用状态差距大，重要原因之一是数据，LLM投喂全网文本语料而机器人缺乏丰富动作语料，且全球人形机器人数量太少不足以支撑大规模探索 [29] 游戏、3D与虚拟世界应用 - DeepMind CEO Demis Hassabis认为游戏是世界模型的天然载体，提供规则清晰、反馈即时、可无限生成数据的可控虚拟世界，但当前可商用产品形态主要仍落在渲染与资产生成层面 [32] - 李飞飞联合创立的Astrocade由红杉领投、英伟达与谷歌AI基金跟投；Odyssey估值达14.5亿美元；VAST前脚拿到约2亿美元，9月再完成约30亿元人民币B轮和B+轮融资，方向为AI 3D大模型与通用世界模型 [32] - 人才储备池主要是游戏引擎公司，Unity、Epic、Roblox、NVIDIA的图形与仿真线是主要来源，世界模型公司现有员工中约一成来自游戏、VFX或大型图形公司，图形学、渲染、物理仿真、程序化生成是核心技能 [32] - 最稀缺的是图形学与AI交叉人才，传统图形工程师不懂大模型、AI工程师不懂实时渲染和引擎架构，GDC调查发现过半数开发者对生成式AI持负面态度 [33] 工业数字孪生应用 - 市场需求存在、订单逐年增长但停留在试点阶段，对模拟器要求高、需高保真物理建模 [36][37] - DataM Intelligence预测制造业数字孪生市场到2035年将达2.93万亿美元，但该数字包含智慧城市、医疗、军工等全部应用，纯工业部分规模小得多，国内项目中标口径目前在百亿元人民币量级 [37] - 人才主要来自工业软件公司、云与平台厂商及应用层企业，西门子、达索、PTC、华为云、阿里云、腾讯云、力控科技、优锘科技、51WORLD、卡奥斯是典型去处，常见路径是互联网或游戏背景技术人才向制造业数字化流动 [37] - 核心专业为物联网、计算机、工业工程运筹优化、人工智能算法，工业软件能力与OT/IT融合经验是硬门槛，人社部已拟新增数字孪生工程技术人员为新职业 [37] - 卡点为复合型人才稀缺、产业以项目制为主现金流压力大影响高端人才吸引力，另有内部专业数据打通难、后期维护成本高、安全合规成本上升等障碍 [37][38] AI医疗应用 - 英伟达Omniverse与仿真技术副总裁Rev Lebaredian认为世界模型潜在市场规模可能几乎相当于全球经济总量，因其将技术带入制造业和医疗健康等物理领域 [40] - AI医疗需引入能推演后果的世界模型技术，疾病演进、干预后果、方案分岔均需可预测模型判断，AMI Labs明确将医疗保健列为首批应用领域 [40] - 学术界是当前主力，约翰霍普金斯、斯坦福、普林斯顿的AI加医学交叉团队是主要产出源，上海交大已推出MD+PhD双博士医工交叉项目，商汤医疗、百川智能等企业在招募生命世界模型算法工程师 [40] - 科锐国际《2026人才市场洞察及薪酬指南》显示既懂AI又懂医疗行业逻辑的复合型人才缺口率达38%、缺口规模预计达250万人、薪资较传统岗位高出30% [41] - 招聘要求围绕计算机、人工智能、数学、统计、生物医学工程、生物信息学等专业，需在生成模型、强化学习、多模态学习、时序建模中至少一个方向有深入研究，未来可能演化出计算肿瘤学家这类新角色 [41] - 巨头尚未形成垄断，严格符合实证定义的研究仅14项，赛道技术发展偏早期，面临计算成本高昂、长程预测失准、对复杂现实世界建模不完整等核心局限 [42] 领军人物图谱 - 领军人物划分为四类：学者型依托科研机构牵头研究并与产业协同，学者创业型保留教职或科研身份又创办公司，自主创业型自组团队主导技术路线并承担融资与商业化风险，大型科技企业在职人才依托企业平台推进研发并对齐战略 [47] - 学者型代表包括MIT EECS终身副教授、兼职Google DeepMind杰出科学家何惜妮，研究方向为自监督表征与端到端生成建模，代表成果有ResNets、MoCo、MAE [51] - 学者型代表包括斯坦福大学助理教授、World Labs顾问吴佳伊，研究方向为物理场景理解、三维重建、4D生成、物理因果推理与具身AI，代表成果有WorldScore评估工具 [52] - 学者型代表包括南京大学教授杨宇，研究方向为强化学习样本效率与反事实推理，代表成果为因果结构化世界模型与ADM/ADM-v2 [53] - 学者创业型代表Yann LeCun创立AMI Labs，2026年3月完成10.3亿美元种子轮，研究方向为JEPA [57] - 学者创业型代表李飞飞为World Labs创始人兼CEO、斯坦福Sequoia讲席教授，研究方向为空间智能，产品为Marble [58] - AMI Labs联合创始人还包括首席科学官谢赛宁（纽约大学助理教授，优先医疗场景合作）、首席研究与创新官Pascale Fung（香港科技大学讲席教授，方向为可穿戴/智能眼镜世界模型）、世界模型副总裁Michael Rabbat（McGill兼职教授，方向为JEPA工程化） [59][60][61] - 学者创业型代表还包括原识之智创始人兼CEO黄碧薇（UCSD助理教授，方向为因果世界模型与具身智能基础层）、生数科技创始人兼首席科学家朱军（清华大学人工智能研究院副院长，产品Vidu）、极佳视界联合创始人兼首席科学家朱政（产品DriveDreamer、拾光S2）、星海图联合创始人兼CTO赵行（清华大学助理教授，产品机器人R1）、千寻智能联合创始人高阳（清华大学助理教授，方向为VLA与数据金字塔）、银河通用创始人兼CTO王鹤（北京大学助理教授，产品Galbot-G1）、穹彻智能联合创始人卢策吾（上海交大教授，产品Noematrix Brain2.0） [62][64][65][66][67][68][69] - 自主创业型代表包括大晓机器人创始人王晓刚（商汤联合创始人，产品开悟世界模型Kairos）、语用科技创始人林俊旸（前阿里通义千问技术负责人）、Manifold AI创始人吴伟（前商汤高管，产品WorldScape/RoboScape/AirScape）、Genesis AI创始人周衔（方向为自然语言生成可交互4D物理世界）、生数科技联合创始人唐家渝、极佳视界创始人黄冠 [73][74][75][77][78][79] - 大厂任职型代表包括NVIDIA研究副总裁、Cosmos Lab负责人刘洺堉（GauGAN之父，2026年推出Cosmos 3与Cosmos Coalition开源生态）、NVIDIA GEAR Lab联合负责人朱玉可（UT Austin教授，共同指导GR00T与DreamGen/DreamZero）、腾讯专家研究员、混元3D负责人郭春超（主导HY-World系列） [83][84][85] 行业判断方法与长期展望 - 判断热点是否真需求的方法之一是用时间尺度检验需求持续性，观察行业是否具有5-10年量级长期共识，从学术研究、巨头持续研发投入、长线资本布局、底层需求独立性综合评估，如世界模型解决交互性本质问题而人形机器人是叙事载体 [18] - 方法之二是通过技术路线评估宣传与实际能力差距，先判断产业技术路线是否打通再分析落差，距离越远泡沫可能越大 [18] - 方法之三是从人类社会本质需求出发，假设换掉技术载体看需求是否仍成立，叙事泡沫必然存在但打磨技术仍有价值 [19] - 从业者普遍认为技术热点虽多但不必过度焦虑，打好顶级大学机器学习/深度学习基础有时比多看文献多做实验更有用 [19] - 脉脉创始人林凡认为从技术成熟度看谈世界模型元年为时尚早，从场景和需求角度看2026年已是创业不错起点甚至可称right time [46] - World Model Lab创始人王若水认为搭世界对人类是很本质的事情，可交互虚拟世界的愿望自科幻时代已存在，技术迭代多版本而叙事会一直存在，并希望产业和冲在前面的人有社会责任感、把技术平均给到每个人而非垄断 [34][87]