星源智推出世界模型ω-EVA，具身大腦再升級

世界模型下半場，星智源已經拿到船票。

作者 | 付饒

編輯 | 趣解商業科技組

世界模型正成為人工智能領域的下一個關鍵戰場。

李飛飛、楊立昆近期都已押注世界模型；再往前，英偉達、Google、OpenAI等AI巨頭均已將“世界模型”作為通往下一代智能的潛在路線。在6月16日舉辦的2026智源大會上，智源研究院院長王仲遠也提出世界模型的重要性，并為世界模型劃定了四條清晰的技術路線，引發了一場關于“世界模型”的討論熱潮。

在智源大會上，智源研究院孵化的具身智能公司星源智正式發布了全球首個具身交互世界模型——ω-EVA（Omega-EVA），標志著這場從數字世界邁向物理世界的競賽，正式進入了落地驗證階段。

可以說，這不僅僅是一次產品發布，對于星源智技術團隊來說，這是針對“世界模型如何落地具身智能”給出的一份硬核答卷，也是通往“物理AGI”世界的船票。

然而，在手的船票不光是登上世界模型這艘船的積極信號，其實也蘊含著另一個意思：航程才剛剛開始。

01.一張登船票

世界模型是現在AI圈里最熱、但卻沒有統一標準的詞。

在智源研究院的框架下，王仲遠將世界模型的技術路線分成四條：以語言為中心的VLA路線、以像素為中心的視頻生成路線、以3D結構為中心的仿真路線、以視覺表征為中心的JEPA路線。

而星源智此次發布的具身交互模型ω-EVA則不同：以“交互”和“行動”為中心的潛空間建模，更關注世界模型如何真正進入機器人實時決策過程，讓世界模型從訓練輔助工具變成行動決策中的反饋模塊。

具體而言，ω-EVA模型的特點在于其獨創的“預演、驗證、行動”（Envision, Verify, Act）閉環邏輯。該模型通過學習“當前狀態—動作—未來狀態”之間的動態關系，在潛空間中捕捉運動物體、交互對象與關鍵狀態變化，并將這一能力用于動作生成、內部預演和動作修正。

簡單來說，星源智聚焦于機器人動作與環境變化之間的因果關系，讓機器人預判自己的每一個動作將如何改變物理世界的狀態，而非單純依賴視覺畫面的時序關聯去生成未來畫面。

在智源大會的展區，星源智用一個被觀眾隨機打亂的華容道棋盤，直觀地展示了這一能力。

圖：星源智展臺

據星源智工作人員透露，復原華容道棋盤的機器人并非簡單地識別棋子，而是在執行前先在腦中“想象”移動滑塊后的全局變化，根據推演結果優化動作方案，最終完成復原。

這并不是預設程序，而是模型對物理約束和因果關系的實時推理。在星智源聯合CEO、智源研究院具身交互世界模型研究中心負責人孫振國看來，“世界模型不應該只在訓練時預測未來，而應該真正參與動作生成。”

他以華容道為例進一步說明，華容道看似是邏輯推理題，但對機器人而言，它更接近一次連續決策：每一步移動都會改變當前局面，也會影響后續路徑是否可達。機器人需要理解的不只是“現在看到什么”，還包括“如果這樣移動，接下來會發生什么？”——這正是星源智具身交互世界模型 ω-EVA 試圖回答的問題。

圖：星源智聯合創始人 孫振國

對于具身智能公司來說，物理世界的真實任務，從來不會按照固定時間窗口整齊發生，它更像一串自然銜接的事件，伸手、接觸、抓取、移動、放下，每一個關鍵變化，都對應著動作里的自然關節。

當下的行業現狀是，大多數世界模型仍停留在“離線預測”或“環境模擬”階段，作為輔助功能存在。機器人在執行任務時，往往只能被動執行指令，無法預判動作帶來的連鎖反應，導致在復雜物理環境中作業穩定性不足。

星源智要解決的就是這樣的問題。

此外，在技術路線上，星源智的技術架構上采用“具身大小腦”協同方案。這一架構與具身智能明星公司PI、Figure AI的“快慢系統”思路一致。

當前世界模型既包括未來視頻生成路線，也包括JEPA等潛空間表征學習路線。星源智ω-EVA同樣采用潛空間建模，但進一步強調動作候選與想象后果之間的實時交互，讓未來預測結果能夠直接參與動作修正。

一定程度上，這種端側部署的確解決了具身智能的痛點——高延遲致命傷。星源智CEO劉東打了個比方：“如果機器人身上帶著十幾個傳感器，每秒幾個G的數據傳到云端，等指令回來幾秒后，機器人可能已經撞上了障礙物。”

他表示，“這也是ω-EVA 的優勢，重新定義了世界模型在機器人系統中的作用，讓預測結果真正反哺動作生成，可以彌補具身智能領域的技術短板，也將賦能工業操作、服務、醫療等多品類機器人，加速通用具身智能技術走向規模化落地。”

02.有機遇也有挑戰

回顧星源智，盡管去年才入局，創立僅十個月，但這家由智源研究院孵化、專注具身大腦業務的初創公司，通過走“軟硬一體、端側部署”的全棧路線，已累計融資10億元，并在商業化方面取得早期訂單進展。

在商業路徑上，星源智想得很明白，明確表示不做機器人本體，只做“賣鏟人” ，提供軟硬一體的具身大腦解決方案。創始人兼CEO劉東透露，中國制造業不缺硬件能力，真正稀缺的是能跨本體、跨場景適配的“大腦”。

隨著具身智能從單點動作走向復雜任務執行，“大腦”的作用越來越重要，而其中世界模型正在成為行業共識中的關鍵能力。

圖：星源智機器人現場遞咖啡

盡管拿到了世界模型的船票，但星源智和整個行業面臨的挑戰，也不容忽視。

一方面，是技術路徑的“路線之爭”并未消除。

雖然ω-EVA證明了“交互閉環”的可能性，但目前來講，以VLA（視覺-語言-動作）模型為代表的現有路線依然占據主流市場。

王仲遠此前曾坦言：“VLA是當下，世界模型是未來。” 對此，星源智并不否認語言理解的重要性，但其基座依然是VLM模型。雖然VLA模型目前在工業分揀、服務機器人等特定場景中已經取得了不錯的落地效果；但局限性同樣明顯，如泛化性差、缺乏物理常識、主動探索能力不足等等。

對于星源智來說，ω-EVA野心在于補全“預測”與“動作”之間的短板。如何讓市場接受這種“VLA+世界模型”的混合范式，仍需教育成本。

另一方面，是真實物理數據的“匱乏困境”。

構建真正的世界模型，需要涵蓋力覺、觸覺、深度、三維點云的全模態數據，先不說采集不同場景的數據難度高，更艱難的是在這些數據中還要抓取到“有效數據”。

孫振國指出，VLA依賴高質量的成功軌跡數據，8小時采集僅產出3小時有效數據；而世界模型能利用失敗的軌跡，將效率提升至6-7小時。但這依然無法從根本上解決長尾場景數據的稀缺性。

此外，規模化商業落地仍需要探索。

盡管星源智已拿下70%以上頭部本體廠商的份額，并宣稱融資超10億元，但劉東依然冷靜地將當前具身智能比作“2015、2016年的自動駕駛”——大家瞄著L4、L5，但真正的L2還沒大規模落地。

圖：流水線上的機器人

對于星源智和整個行業而言，拿到船票只是航行的開始。

尤其當下，世界模型技術仍處在發展初期，行業目前沒有完全達成共識。“技術創新是先行的，早于產品，早于系統，我們現在需要對于技術路徑進行各種各樣的探索，來促進世界模型的爆發。”王仲遠坦言，“但最終，還是需要一個具體場景的系統或產品，來證明我們今天反復強調的物理可驗證、長時序、因果邏輯推斷等技術目標，能夠真正落地應用于各種場景。”

從實驗室進入真實世界，星源智通過具身大腦與世界模型，展示了一整套貫穿感知、理解、決策、執行與反饋的系統能力，已經展現出從模型能力到場景執行的落地能力。

但最終進入終端、進入系統、進入到真實任務中，世界模型的能力仍需要市場檢驗。畢竟對于當下具身智能行業來說，競爭焦點不只是模型發展、技術突破，穩定的、能夠持續交付的落地場景能力才是重點。