工联网消息(IItime) 短短几天，松延动力、智元机器人、宇树科技连续发布5款具身世界模型。松延动力发布HERON-World Model（首个世界模型）、HERON-CRA；智元机器人连发AGILE 2.0与GE-Act 2.0；宇树宣布全面开源UnifoLM-WLA-1.0基础模型。

可以看出，过去以电机、减速器、整机运动控制见长的机器人本体厂商，正在集体补齐“大脑”短板。

本体厂商为何自研大模型

传统多模态大模型，本质是基于海量文本、图像数据做概率预测，回答“看起来是什么”。世界模型的核心目标，则是回答“如果我做这个动作，世界会发生什么变化”。

简单举个例子：机器人要拿起水杯。普通大模型只能识别“这是水杯”；世界模型可以预判抓握力度太大杯子会捏变形、抓握位置偏上容易滑落，手臂移动时会碰到桌边杂物。在执行动作之前，机器人先在内部虚拟世界完成推演，挑选成功率最高的动作方案。

很多人会问：大模型、世界模型都有第三方可采购，为什么做机器人身体的厂商，非要砸钱自己做大脑？本质不是“想做AI公司”，而是外购方案解决不了本体硬件的固有约束，软硬件深度绑定是具身智能落地的必要条件。

通用大模型或者第三方世界模型，是“通用假设下的物理世界”，它不知道这台机器人关节的延迟、电机抖动、减速器间隙、传感器噪声、整机重心特性。同样一个抓取动作，放到A机器人可行，放到B机器人就会失衡、用力过猛或者动作滞后。本体厂商手里掌握全套硬件底层数据，自研世界模型可以把关节力控、运动极限、整机约束嵌入模型训练流程。

世界模型最大短板就是仿真与现实脱节。缩小这个鸿沟，核心是真机交互数据反哺仿真，仿真再优化模型，模型再下发真机测试。这个闭环的源头，是大量自家机器人在真实环境抓取、碰撞、接触物体产生的力反馈、视觉、姿态数据。AI公司没有机器人硬件，很难大规模采集高质量物理交互轨迹；而本体厂商每一台出货的机器人，都可以成为数据采集终端。自研世界模型，才能把硬件跑出来的数据沉淀为自己的模型资产，形成别人拿不走的数据飞轮。

人形机器人赛道未来会走向规模化交付。如果核心的世界模型、动作生成依赖外部供应商：模型升级、接口改动，都会直接影响机器人整机固件；商用阶段，存在授权费、版本锁、响应时效、安全与隐私风险；一旦上游AI厂商战略调整，本体厂商整机产品迭代会被卡住。自研世界模型，本质是掌握整机方案的顶层控制权。本体厂商卖的最终产品是机器人整机，大脑是整机核心组件。把核心算法握在手里，才能定义产品能力、迭代节奏、成本结构，而不是沦为单纯的硬件代工方。

重复造轮子，还是必经之路？

一个绕不开的质疑是：如果未来通用世界模型的泛化能力足够强，本体厂商花重金自研的那一套，会不会变成沉没成本？毕竟手机行业也曾掀起自研芯片热，最终绝大多数厂商还是回到了通用供应链。

这个担忧不无道理，但具身智能与手机有本质区别：而机器人面对的是千差万别的物理本体和非结构化环境。一个抓取动作的成败，取决于这台机器人才有的关节特性。在物理交互这条最底层的链路里，通用假设失效得最快。因此，即便未来出现强大的通用世界模型，它大概率也需要与本体深度适配，而适配的主动权，仍应掌握在本体厂商手里。换句话说，真正的选择不是“自研还是外购”，而是“自研核心层、外购通用层”的混合架构。

值得观察的是，这场“补大脑”的运动并非本体厂商的单向突围。纯AI公司也在向下做本体：有的投资或收购机器人团队，有的直接下场造机身。这就形成了两条相反的整合路线：本体向上，以松延动力、智元、宇树为代表，从硬件出发补齐认知，强在物理数据与制造交付；AI向下，大模型公司向下延伸到执行器与整机，强在算法积累与数据规模。

这一轮集体“造脑”，与其说是机器人公司爱上了AI，不如说他们终于认清了一件事：在具身智能时代，身体和大脑从来不是两个产业，而是一枚硬币的两面。谁先让这枚硬币合二为一，谁就握住了下一个十年人机交互的入口。

接下来最值得盯的是：哪家厂商的真机数据采集规模最先形成量级优势，谁的模型迭代真正反哺到了整机能力，以及当用户拿到手的机器人，是真的变聪明了，还是只是PPT更聪明了。