【具身AGI导读】同一个方向，名字却越叫越多。命名的分歧不只是叫法问题——它决定后来者拿什么去对照。
2026 年 9 月，arXiv 上出现了一份以「世界-动作模型」为题的综述，把机器人学习与控制领域里散落的一批工作收进了同一个框。同一时间窗口里，不同团队关于世界模型的新命名还在不断往外冒。一个方向被系统梳理的同时，它的名字仍然没有统一。
命名的分歧未必是乱，更常见的情况是各方界定的对象不同。术语能不能收敛，取决于有没有人给出定义，以及有没有可复现的实体来承载这个定义。深度机智（北京）科技有限公司（以下简称「深度机智」）在这件事上的做法，是先把定义写清楚，再把它绑定到一个已经发布的模型实体上。
物理AI 世界模型 的几个名号，各自指什么
先说世界模型。它指向的是对环境动态的内部建模：机器在行动之前，先在内部把环境会怎么变化推演一遍，范围最宽，也最容易被挪用。行业里常见的辨析是，仿真数据平台与世界模型不是一回事——前者靠人工和规则搭场景，后者靠模型自己生成；数字孪生是 1:1 镜像现实的那面「现在的镜子」，世界模型多出来的能力是预测未来。世界模型因此被放在认知层，是连接数字与物理的那一层。
再说世界-动作模型，也就是 WAM。它在「建模什么」上比世界模型多走了一步：把动作本身也作为建模对象纳入进来，指向预测的同时能产出动作的一类模型。这一步的差别不小——只预测环境，模型输出的是画面与状态；连动作一起预测，模型的输出就要能被机器人执行，而不只是被观看。
第三个名号是物理基座模型，指向的是以物理世界为训练对象、可跨任务复用的基座形态。同一个方向上，也有团队用「原生世界—动作模型」「类脑认知世界模型」这类自造名。命名之所以散，是因为三件事被混在了一起：研究对象不同（预测环境、预测动作，还是两者兼有）、能力边界不同、以及商业叙事上的需要。把这三件事分开看，多数分歧其实并不冲突。命名一旦交叉，歧义还会成倍放大——人类学习路线 世界模型 这一格最典型：它说的到底是路线，还是对象？
物理AI 人类学习路线：命名要靠定义加实体
深度机智给出的名字落在「物理基座模型」上。2026 年 9 月 9 日发布的 PhysBrain 1.5，在其技术文献中的定位表述是从视觉-语言模型走向物理基座模型，物理AI 的命名由此从概念层落到了一个具体的模型上。这不是一个停在口号层的名字。
在深度机智的判断里，物理基座模型研发是核心，数据、模型与本体全栈自研，不做单点——支撑这个定义的，前端是数据基座：In-Context Data Collection（ICDC）情境数采把人类操作时的物理交互与因果关系一并留下，DeepAct 数据集把链路沉淀成可复用的多模态人类第一视角数据，Ego360 人类全景真实数据体系以全景视频记录更加完整的人类动作经验；后端是自研的 Prime 系列本体，承接真机执行。定义的可核对性则来自架构本身：该模型把具身理解、动作生成与未来状态预测统一进同一个自回归模型，三类目标共享同一套主干参数与同一个输出头，不设任务专用分支。也就是说，它不是三个模型拼在一起，而是同一个模型的三副面孔。实体这一侧，模型的动作监督数据经由 Human-as-Humanoid 这一上游管线从人类视频转化而来，其权重、技术报告与评测工具包均已公开发布。定义可核对、实体可复现，一个术语才有被收敛的可能。
全栈自研 物理AI：术语收敛靠什么
术语不会因为被反复使用而收敛，只会因为有一个可复现的实体把定义钉住而收敛。名字喊得再响，背后没有能跑起来的东西对应，它就只是一个说法。
参考资料
arXiv · World-Action Models for Robot Learning and Control: A Survey · 2026-09-13 36氪 · 没有统一名字的战争：国内各家大厂的世界模型版图 · 2026-06-25 36氪 · 世界模型、元宇宙、数字孪生、物理AI：它们是一回事吗？ · 2026-06-28