AI 蓝鲸汇 由多名资深 AI 从业者与投资人共同创建，以“小规模、高规格、深度交流”为核心，长期邀请一线 AI 从业者、技术专家、创业者与投资人，围绕真实产业议题展开坦诚对话，致力于发现与培育优质 AI 项目，帮助更多青年创业者在 AI 浪潮中找到真正可落地的方向。
如果从技术研究者视角看，世界模型是一场关于物理理解、空间建模与预测能力的竞赛；那么从投资人视角看，它首先是一场关于“可扩展性”的筛选。真正值得关注的，不是哪条路线听上去最先进，而是哪条路线更有机会在未来两三年内形成数据飞轮、工程闭环和产品入口。
近日，AI 蓝鲸汇 世界模型第二期《新范式下的世界模型引领空间智能》专题，特邀知名投资人杨霄带来《World Model：新范式和新挑战》的主题分享，并与现场嘉宾围绕世界模型的技术路线、产业机会与投资判断展开深入交流。这场分享的价值，不在于为世界模型给出一个确定答案，而在于把它从“前沿概念”还原成一个更现实的投资命题：当技术路线远未收敛时，资本到底应该看什么、押什么，又应该警惕什么？
世界模型在投资人眼里，不是一项单点技术，而是下一代智能基座的候选框架
杨霄首先给出了一个非常关键的判断：今天大家讨论的“世界模型”，本质上不是一个固定算法名词，而是一种更接近人类认知机制的智能框架。人类面对突发情境时，并不是立即依赖已有动作模板执行，而是会在脑中迅速完成一次“沙盘推演”后再行动。机器人若想进入开放世界，也必须具备这种能力。换句话说，世界模型真正解决的问题，不是“能不能生成一段视频”，而是“机器能不能在行动前先理解世界可能如何变化”。
这也是投资人愿意持续追踪这一方向的根本原因。因为一旦这套能力成立，它就不只服务于机器人，还可能进入数字世界、内容生成、三维空间、工业仿真乃至科学研究。它所对应的，不是一个功能点，而是下一代智能系统的底层基座。也正因为它的想象空间足够大，资本才会愿意在当前尚未形成共识的阶段持续投入。但这类投入不会只看概念热度，而会更关注：这家公司到底是在讲一个大故事，还是在搭一个未来可能长成平台的底层结构。
现在最值得看的，不是哪条路线最热，而是哪条路线最有“可扩展性”
杨霄分享中最重要的一部分，是把当前世界模型的探索拆解成了多条并行路径：显式物理引擎、视频生成、三维空间重建、动作与状态联合预测、JEPA 式潜空间建模，以及借用语言模型隐含物理常识的混合式方案。表面看，这是技术路线之争；但从投资角度看，真正的分界线并不在“理论上是否优雅”，而在“是否具备 Scaling Law 的可能”。
这背后其实是一套非常典型的投资判断逻辑。显式物理引擎的优点是规则清晰、可解释性强，但缺点是覆盖真实世界复杂性的上限有限；视频生成路线的优势是数据规模和成本结构更有想象力，但问题在于画面真实感不等于物理真实性；高精度三维路线更接近真实空间，却受制于高质量三维数据的采集成本；JEPA 类路线在计算效率上极具吸引力，但还远未完成大规模产业验证。也就是说，今天没有哪条路径已经证明自己会成为标准答案，所有路线都还处于“爬坡期”。
因此，投资人现在真正要下注的，不是某个已经确定胜出的范式，而是“哪一种范式更可能在未来形成陡峭增长曲线”。换句话说，资本此刻要找的不是“最好看的 Demo”，而是“增长斜率最对的团队”：他们是否拥有更清晰的数据来源，更强的工程组织能力，更现实的算力获取路径，以及更快的实验迭代节奏。
数据飞轮才是真正的估值底座，无法指数级增长的数据体系终究撑不起世界模型
分享反复强调的一个词，是Scaling Law。这几乎构成了整场分享最重要的投资关键词。因为无论技术路线如何变化，世界模型最终都绕不开一个问题：你的数据从哪里来，又能否持续、低成本、高频率地扩张。今天很多团队都在讲百万小时真机数据，但从投资角度看，真正的问题不是“有没有一百万小时”，而是“从一百万小时到一千万小时，路径是否依然成立”。
这恰恰是大多数早期团队最脆弱的地方。真机采集当然重要，但它往往是线性增长的：机器人数、采集人力、场景数量都得同步增长，边际成本极高。反过来看，如果一家公司能把视频生成、虚拟环境、家庭场景、消费级产品、三维采集和局部真实反馈组合起来，形成更低成本的数据回流结构，那么它的估值逻辑就会发生根本变化。资本真正愿意给高溢价的，从来不是“采了很多数据”，而是“证明了数据会越采越快、越采越便宜”。
现场讨论里一个非常值得注意的延伸是，消费级和家庭场景之所以被很多人重新重视，不只是因为它们可能形成产品收入，更因为它们可能成为高价值泛化数据的入口。对投资人来说，家庭机器人是不是终极形态并不重要，重要的是它能否成为数据飞轮的启动器。谁先把产品、用户和数据回流接起来，谁就更有机会在未来的基座竞争中占据主动。
真正的投资差异，不只在模型判断上，更在于对中美两种“生长土壤”的理解
这场分享还有一个非常成熟的地方，在于它没有把中美创业环境放在同一张坐标系里简单比较，而是强调两边长出来的东西本来就可能不同。美国的优势在于大模型架构创新、长期资本耐心和顶级研究人才的持续供给，因此更容易去押基座型、长周期、非线性回报的路线；中国的优势则在于供应链、硬件工程、产品实现和场景推进速度，因此更有可能在“先把东西做出来、跑起来、卖出去”这件事上建立优势。
这意味着，对于投资人而言，中美并不一定在追同一个最优解。美国公司可以围绕更长期的世界模型基础设施讲故事，中国团队则更可能从产品化入口、工程闭环和数据组织效率里跑出胜率更高的机会。也正因此，分享嘉宾特别强调自己近一段时间最关注的，不再只是创始人会不会讲技术，而是他对AI 的理解是否足够原生、对数据和模型拼图的判断是否足够清醒、对“增长是否陡峭”有没有真正的感知。
从这个意义上说，世界模型时代的投资，不再只是投一个技术方向，而是在投一个团队对复杂系统的组织能力。资本不会只奖励最早提出概念的人，而会奖励最早找到“可验证、可扩张、可复用”的成长路径的人。
从投资人的角度回看，世界模型真正迷人的地方，不在于它给出了一条明确道路，而在于它打开了一张足够大的地图。地图上的路线很多，正确答案却远未出现。越是在这样的阶段，越不能被单一技术叙事绑架。真正值得下注的团队，往往不是把未来说得最完整的人，而是最早证明自己能把数据、工程、产品和资本连接成一条增长曲线的人。对世界模型来说，技术突破当然重要；但在投资市场里，真正稀缺的，永远是“可扩展的突破”。