在通往通用人工智能（AGI）的征途中，横亘着“数字大脑”与“物理身体”之间的巨大鸿沟。2026年6月，X-Era Lab（拓元智慧）首席科学家王可泽团队给出了破局的信号：他们发布了名为“世界动作模型”（World Action Model, WAM）的基座模型。不同于Anthropic等专注于数字世界代码生成的模型，WAM专注于物理世界的交互。团队利用500万次来自真实物理世界的交互数据训练模型，这些数据涵盖了无人零售柜中顾客抓取、挪动商品的随机动作，以及工业场景下的真实反馈。王可泽坚持认为，只有拒绝“表演”式的干净样本，拥抱真实场景中的噪音与混乱，机器才能学会真正的“生存”。
WAM模型的核心突破在于实现了从“看一步走一步”到“预见未来”的跨越。传统的视觉-语言-动作（VLA）范式往往反应迟缓，而WAM实现了“预测-决策”一体化的端到端输出。给定动作前提，模型能同步预测后续的物理过程及环境反馈，仿佛机器人在触碰物体前已在内部“想象”出了后果。王可泽将物理AGI的发展阶段类比为“GPT-2.0到3.0”的时期，认为数据与模型的迭代正呈指数级增长。尽管行业对于“GPT时刻”是否到来尚有争议，但WAM让机器人从单纯执行指令的工具，向理解物理规律的智能体迈出了关键一步。
在数据策略上，X-Era Lab构建了独特的“4D+X”数据闭环。所谓的4D数据，是指在3D空间几何基础上增加了时间维度的动态演化，而“X”则包含了触觉、摩擦力等接触传感器数据及语言标注。这些数据并非来自仿真的实验室环境，而是源自每天数万小时真实业务回流。王可泽指出，目前行业内存在大量依靠仿真轨迹或刻意摆拍的数据泡沫，而X-Era Lab通过真实业务场景——如无人零售和工业分拣——建立了“模型-数据-业务”的正反馈飞轮，这是初创团队对抗大厂算力堆叠的核心壁垒。
目前，该模型已在商业落地方面取得了实质性进展。WAM模型已长期部署在无人零售场景，日均处理近500万次真实服务，并正向工业领域的上下料、线束插拔等半结构化场景延伸。官方宣称，该模型在物理世界交互的能力上已“比肩”国际顶尖水平。与语言大模型在SWE-BenchPro上的高分表现不同，WAM的价值在于解决了物理AGI长期面临的落地难题，证明了物理基座模型不仅能跑通实验室Demo，更能适应真实世界中千变万化的复杂任务。
本篇内容整理自网络，同步发布在 AEX新讯社中文网、希鸥网、斯贝瑞品牌资讯、RCEO创新网、AI联播网、创新日报 等媒体平台。如需删改或发布内容，请联系微信：meisceo29
