2026年6月的北京智源大会，具身智能专场的热度显著压过了历届。40余位CEO同台，千寻智能估值超百亿，灵心巧手寻求400亿估值——老本的热度仍在。但比融资数字更恐忧的，是一场捏续一年的手艺道路之争：VLA（Vision-Language-Action）与寰球模子（World Model），究竟是替代关系，如故交融关系？

智普遍首创东谈主兼CEO郭彦东在具身产业CEO论坛上给出了他的谜底：寰球模子不是VLA的竞争道路，而是VLA体系中的中枢构成部分。

这一判断试图为争论降温，但现场的手艺不对并未因此消弭。

一、"交融论"的建议：从对立到斡旋

畴前一年来，具身智能边界的手艺道路分化显著。VLA派想法"胜仗映射"——将视觉、言语、作为斡旋在端到端大模子中，输入图像和提醒，胜仗输迁移作序列。其上风在于语义意会智商强，能通过当然言语完满盛开提醒交互。

寰球模子派则想法"先瞻望、后践诺"——让机器东谈主在活动前先在"脑中"模拟物理服从，再作念出决策。不少量度者合计，机器东谈主独一先斥地对物理寰球的意会智商，才智产生可靠步履。

郭彦东的切入角度是生物演化。他合计，活动智商从来不是孤苦孤身一人产生的，人命最初需要感知环境、意会环境，然后才谈得上活动。因此，寰球模子崇拜意会寰球，VLA崇拜作用于寰球，两者并非对立，而是"自然斡旋的合座"。

基于这一逻辑，他重新界说了VLA：VLA是多种模态交融、大数据启动的端到端模子架构的总称。 在这一框架下，寰球模子措置的是对物理环境的茂密4D瞻望（含时刻维度），是VLA空间感知智商的构成部分，而非替代者。

"淌若不把寰球模子合并在VLA内部，许多任务十足作念不了。"郭彦东例如称，沏茶需要先拿茶包再倒水，这类长程任务揣摸依赖言语模子；而水杯连合桌边可能掉落，这类短程物理瞻望则依赖寰球模子。独一两者合并，机器东谈主才智同期处理长程揣摸与短程瞻望。

此外，智普遍还尝试用寰球模子生成的确环境中难以蚁合的边际数据（corner case），补足VLA的检修样本。

二、从Video2Act到NeuroVLA：类脑架构的落地

智普遍的手艺演进旅途，恰巧踩在这条"交融"线上。2025年11月，智普遍与北京大学合股发布Video2Act架构，尝试将4D寰球模子镶嵌VLA，使机器东谈主在活动前预判景况变化，再将预判胜仗编削为作为。据公开信息，该责任在第三方评测中发扬优于部分硅谷同类决策，并取得了包括英国皇家两院院士Philip Torr、强化学习奠基东谈主之一Pieter Abbeel等学者的眷注。

而在本届智源大会上，智普遍进一步发布了类脑具身智能系统NeuroVLA。郭彦东建议，面前行业"天天想着若何长得像东谈主，但莫得东谈主想若何让脑子更像东谈主"。

NeuroVLA的架构模仿了东谈主类大脑的单干机制：皮层崇拜语义意会和任务揣摸，小脑崇拜高频引导相助与动态修正，脊髓崇拜毫秒级引导践诺与安全反射。据智普遍深入的数据，该架构可将机器东谈主引导抖动裁汰75%以上，在碰撞发生后20毫秒内完成反射反馈，同期裁汰系统功耗。

从工程角度看，这一分层想象如实恢复了面前VLA架构的某些痛点——斡旋大模子同期处理感知、推理与限度，时常导致反馈慢、能耗高、作为抖动。NeuroVLA通过"类脑"分层，2026世界杯在架构层面尝试解耦不同时代标准的任务。

三、道路之争果然"终结"了吗？

然则，"交融论"是否意味着VLA与寰球模子的争论也曾斥逐？现场的反馈并不一致。

一方面，交融念念路在工程层面具有求不二价值。对于面前急需居品落地的机器东谈主内容公司而言，VLA提供了可部署的管谈，寰球模子提供了空间瞻望智商，两者衔尾如实能进步短期内的任务发扬。

但另一方面，这种"合并"也激发了对于范式层级的询查。 有量度者合计，将寰球模子界说为"VLA的构成部分"，施行上是在用1.0的框架（端到端作为生成）去收编2.0的主见（物理寰球的颓唐建模）。寰球模子的终极指向，究竟是做事于机器东谈主作为的"空间感知模块"，如故成为不依赖内容的通用物理AI基模？这一问题并未因"交融论"而消解。

事实上，在智源大会的其他款式，不同道路的不对依然显著。智源量度院发布的悟界·Physis-v0.1，试图以"斡旋物理景况学习"卓越言语/像素/三维/视觉表征四条道路，在原始物理景况层面作念瞻望。而由图灵奖得主Yann LeCun与纽约大学谢赛宁主导的AMI Labs，则想法JEPA（Joint Embedding Predictive Architecture）框架——寰球模子不应在原始像素空间瞻望，而应在玄虚的表征空间推演物理变化，其标的并非生成作为，而是构建可泛化的物理意会。

这些旅途与智普遍的NeuroVLA酿成了私密对照：前者试图从物理AI的底层重新界说瞻望逻辑，后者则是在现存VLA架构内优化作为践诺的稳固性与及时性。两者并非合并层面的竞争，却分享着"寰球模子"这一主见标签。

四、行业扫视：主见交融与买卖现实的距离

值得良好的是，面前寰球模子的公开落地智商，与行业期待之间仍存在落差。郭彦东在演讲中也坦言，当下被凡俗询查的寰球模子，"施行上并不是物理轨则启动，而是靠海量数据检修出来的"——数据填塞多，模子就知谈水杯会下跌，但这不是物理轨则的追忆，而是大数据学习的绝交。

这意味着，面前所谓的"寰球模子"，更多是数据启动的统计相干，而非真确的因果推理。 将其镶嵌VLA，能在特定场景下进步发扬，但是否具备跨场景泛化的"物理意会"，仍需更多考据。

此外，类脑架构的工程化也濒临挑战。东谈主类大脑的分层机制过程数亿年演化，而机器东谈主大脑的"皮层-小脑-脊髓"分层，如安在不同硬件平台、不同任务负载下保捏稳固协同，当今公开的考据数据仍然有限。智普遍深入的抖动裁汰75%、20毫秒反射反馈等贪图，属于实验室或特定场景下的绝交，大范围工业部署中的发扬尚待不雅察。

智普遍在智源大会上建议的"交融论"，为VLA与寰球模子的道路之争提供了一个求实的工程出口。对于纷乱需要居品落地的具身智能产业而言，这种"先合并、再优化"的念念路，或者比恭候范式透顶管理更现实。

但将寰球模子"合并"进VLA2026世界杯，是否等同于"终结"了道路之争？谜底可能是含糊的。在物理AI的更长图景中，寰球模子究竟是VLA的一个子模块，如故下一代东谈主工智能的颓唐基座，这一问题的谜底，将决定具身智能是停留在"更好的机器东谈主"层面，如故迈向"真确的物理意会"层面。