在上海张江AI创新小镇，一台机器人正于药房取药高峰中作业：面对尺寸相近、包装密集的药盒，它探出机械臂精准夹取一盒，转身送达取药窗口。指挥它的，是蚂蚁灵波的“灵波通用大脑”——预训练阶段适配了17个主流机器人品牌、20种机器人构型，同一“大脑”可跨本体、跨任务运行，搭载该系统的机器人已在上海国大药房多家门店上岗。
不过，会看、会听、会动手之外，机器人还需要一项本领：动手之前先推演未来。这正是世界模型的核心任务——依据当前状态与动作，推演未来演化。业内初步形成共识：VLA解决“能干”，世界模型解决“想清楚再干”，两者融合是方向。
在落地层面，2025年1月，全国首个异构人形机器人训练场在张江启用，国家地方共建人形机器人创新中心与华为共建具身智能实训场样板点，研发基于国产昇腾算力的VLA。国地中心“灵龙”系列机器人已进驻汽车零部件企业延锋，在零件火焰处理、齐套分拣等工位完成自主作业验证，跑通“实训场训练—模型迭代—工业现场部署”路径。
融合路线上，智元9月发布世界—动作模型GE-Act 2.0，将“预测未来”与“生成动作”整合进同一模型，训练数据从300小时扩展至3万小时；在陌生场景、陌生物体上不做额外训练直接测试，其中一款机器人总体成功率从17.1%提升至44.1%。浦东企业擎朗智能则将世界模型嵌入VLA，其人形机器人不依赖遥操作，完成了咖啡制作等长流程任务。大晓机器人用自研开悟世界模型3.1直接驱动机器人，其与中国石油上海销售公司合作的首家加油站便利店已进入试运营。
世界模型也有必答题：要快、要真、要数据。GE-Act 2.0在RTX 5090上生成一个连续动作块约需104毫秒；有专家判断，能力明显涌现或需“接近千万小时级”的数据。从药房到工厂，多种技术路线正在上海并行验证，具身智能的产业图景正逐步展开。