王鹏伟:当下的世界模型只学到了片面的世界,悟界·RoboBrain Orca 正式入场

世界模型赛道又添一位入场者。 王鹏伟带着他的悟界·RoboBrain Orca 世界模型正式亮相, 同时抛出一句颇具分量的判断: 当下的世界模型, 都只学到了片面的世界。产品发布与观点输出同时发生, 这让外界关注的不只是一款新模型, 还有它对整个技术路线的质疑。

📌 一句判断, 戳的是行业共性短板

在围绕世界模型的讨论中,“学到什么”一直比“参数量多大”更难回答 。王鹏伟的说法指向一个核心问题: 如果模型对世界的理解本身就是残缺的, 那么它在此之上做出的预测、规划与决策, 也会带着同样的缺口。

当下的世界模型都只学到了片面的世界。——王鹏伟

这并非单纯的产品预热式表达。 对于把世界模型当作底层能力的方向来说 ,“片面”二字意味着能力上限被提前锁定。

🔍 悟界·RoboBrain Orca: 目前能确认的有限信息

从现有公开材料看, 可以确认的是 , 悟界·RoboBrain Orca 是王鹏伟团队推出的世界模型产品, 并以“悟界”作为整体品牌、RoboBrain 作为机器人智能方向的能力载体。至于训练数据规模、技术架构、评测成绩以及实际落地场景, 目前尚未披露, 外界暂时无法据此判断它与同类模型的真实差距。

换句话说, 现阶段更值得留意的, 是他提出的问题, 而不是尚未公开的参数 。

💡“片面”可能体现在哪些层面

围绕“世界模型学得片面”这一判断, 业内讨论通常集中在几个方向:

• 只学表象, 不学规律 : 能识别画面里有什么, 却难以真正掌握重力、摩擦、碰撞这类物理约束。
• 只学静态, 不学交互 : 对场景的描述能力尚可, 但对动作带来的连锁后果缺乏稳定预测。
• 只学单一模态 : 视觉信息占主导, 力觉、触觉、本体感受等维度容易被忽略。
• 仿真里成立, 真实中失效 : 在受控环境中表现良好, 迁移到真实世界的复杂场景就明显衰减。

📊 对具身智能意味着什么

世界模型被普遍视为具身智能的预训练底座: 机器人要先“理解世界”, 才谈得上在真实环境中完成任务 。如果底座本身是片面的, 泛化能力受限几乎是必然结果, 模型在实验室里表现稳定、换一个房间就失灵的情况也会反复出现。

由此衍生出两个看点: 一是数据从哪里来、覆盖了哪些真实交互; 二是用什么标准去衡量“世界模型学得够不够全”。目前行业在这两点上都还没有共识答案。

🚀 总结

王鹏伟的入场, 把一个问题重新摆到了台面上: 世界模型的竞争 , 最终比的或许不是谁跑分更高, 而是谁对世界的建模更完整。悟界·RoboBrain Orca 能给出多少答案, 还要等更多技术细节和实际表现公开后才能判断。