过去三年，AI证明了自己能读懂人类的语言。但尴尬的是，它依然看不懂我们身处的物理世界。

大模型缺乏通向物理世界的通路，这不是危言耸听。

2026年7月，中国南北方同时遭遇严峻洪涝考验。

南方，受台风美莎克及西南季风共同影响，广西遭遇持续强降雨。南宁市横州、宾阳等地多个站点降雨量突破历史纪录，六蓝水库发生溃口。

从监测到异常洪峰到溃口发生，留给指挥部的黄金处置时间不足30分钟，贵港郁江出现2001年以来最大洪水，洪峰水位超出警戒5.68米，一处教育园区积水最深接近三楼，上万名师生被困，全区紧急避险转移18.7万人。

几乎同期，北方也不平静：台风巴威虽未直接登陆东北，却通过远距离水汽输送和外围云系在东北制造强降雨，沈阳一个街道10小时降雨310.6毫米，接近这座城市半年的降水量，17条河流出现超警以上洪水，80多座水库超汛限水位。

这正是大语言模型的无力之处。你可以把人类有史以来关于洪水的水利文献全部喂给它，它能写出一份文采斐然的防灾指南，但它无法回答灾害面前最关键的那几个问题：

水从哪里来、往哪里去、几分钟后到哪里、会淹没谁。这些问题不在文本里，而在物理世界里。

AI擅长语言理解，却缺乏对物理世界的认知、推演与决策能力。

极端天气频发，这条短板正在变成日益高昂的代价。

城市内涝、流域洪水、山洪灾害年年考验应急体系，可水往哪里流、淹到哪里、先救哪里，关键决策仍离不开专业人员的判断；

同样的病灶也出现在别处：

低空经济里，空域划分、航线排布、冲突判定还靠人工经验和静态图纸；

具身智能领域里，机器人走出实验室后，虽然已经能够感知物体和环境，但面对复杂动态变化，对未来状态的预测与推演仍不够可靠。

所有这些场景当中，大语言模型欠缺的都是同一门课，那就是在真实世界中的决策能力。

一条正在成形的共识

行业里对这条短板的认识，正在从模糊的感觉变成清晰的共识。

量子位智库在《2025空间智能研究报告》中给出了一个被广泛引用的框架：空间智能是基于3D视觉信息进行理解、推理、生成与交互的AI系统，自动驾驶、3D生成、具身智能是它不同成熟度的应用领域，而世界模型，是空间智能发展的终局状态，是人工智能发展的下半场。

所谓世界模型，是从大量数据中构建的对世界运作方式的内部表征，可以推理行动后果、预测未来。

换句话说，谁把理解物理世界和推演决策的短板补上，谁就优先拿到AI下半场的入场券。

2025年11月，李飞飞在硅谷发布长文，将生成、多模态和交互概括为空间智能世界模型的重要支柱。她的World Labs随后发布R2S2R引擎，首次打通从生成世界到训练、评估、部署真实机器人的闭环；北大、清华、北航、上交大、中科大五校联合发起TriWorldBench评测，推动世界模型从视觉生成迈向世界理解；阿里、跨维智能等玩家则在权威评测WorldArena的榜单上轮番登顶。

概念、评测、资本，三股力量同时进场，说明这条赛道已经初步跨过了讲故事的阶段。

9月1日，World Labs发布新一代世界模型Atlas，李飞飞称之为重大里程碑，从零预训练、原生处理文本、图像、视频和3D四种模态，以像素级精确的相机控制生成最长1分钟的1440p视频，从几张照片重建出点云和3D高斯泼溅的显式三维世界。

Atlas把生成、重建、模拟收进同一个以3D空间为核心的模型，建立了“世界模拟器”。

那么，我们真的从生成好看的世界转向生成能用的世界了吗？

如果Atlas遭遇今年夏天的那几场暴雨，假定它能从照片中重建一条河流的几何形状，那它真的能够推演这条河在下一轮暴雨中的水往哪里去，溃口发生后下游哪个村庄需要最先转移吗？

目前来看，世界模型即使实现了像素级的三维空间视频生成，物理仿真、策略训练与效果评估仍然属于另一条引擎管线，以3D高斯为代表技术、只做重建与生成的世界模型仍然是力图把世界拍得更真，而防灾应急需要的是更早、更准、可验证的决策，这中间还隔着仿真计算、动态边界、验证体系这些又硬又慢的工程环节。

连全球最好的团队都还在攻上半场的山，恰恰说明下半场那条从生成到决策的路，是整个行业共同的缺口，也是这条共识成形的真正原因。

演示视频里的世界模型越来越多，能走进真实世界做决策的世界模型，依然稀缺。

可灾难从来不等人，几分钟的时间窗口里，一个只能生成逼真画面的系统帮不上任何忙，真正有用的系统必须在灾害发生前，就把整条河谷乃至整个世界装进一个可推演的副本里。

一个正在被重视的问题和一份郑重其事的答卷

问题提出来了，解决方案也在酝酿，这样一个信号来自国家级的创业舞台。

8月26日至29日，HICOOL 2026全球创业者峰会在北京举行。这是北京倾力打造的全球创业盛会，来自141个国家和地区的10209个创业项目、13472名创业者同台竞逐，双双刷新历史纪录。

办到第七年，HICOOL的分量在于它的赛后成绩单。HICOOL生态已累计孵化5家上市公司、18家独角兽、219家专精特新企业，获奖项目赛后融资总额突破700亿元。HICOOL评什么奖，某种程度上就是产业风向的投票。

今年的大赛一等奖颁给了空间智能与世界模型方向，获奖的是国家级专精特新重点“小巨人”企业飞渡科技，获奖成果是其自研的空间智能“峥嵘大模型”。

在上万个全球项目的竞争中，产业评委把最重的一票投给了补上大模型通向物理世界短板的这条路。

资本侧的投票同样直接，在HICOOL“对话硅谷传奇投资人”路演环节的评委席上，坐着比尔·赖克特（Bill Reichert），他是天马科创投（Pegasus Tech Ventures，OpenAI 400亿美元融资轮的参投方）合伙人、“创业世界杯”首席布道官。

Reichert长期从事风险投资，其所在的Pegasus Tech Ventures投资组合覆盖250余家企业，包括SpaceX、Airbnb等。

就在一个月前的WAIC上，Reichert表示，大语言模型热潮之后，判断AI初创企业的风投标准已经改变，他看好的是AI与物理世界结合的实体AI。

一位见惯了硅谷顶级路演的老将换了标尺，而标尺指向的方向，与HICOOL产业评委的选择惊人一致。

这两张票背后的逻辑，值得展开看。

飞渡科技给出的答案，是一套全栈的空间智能基础设施，这也是它与大多数演示型玩家的分野。

飞渡方面称，其独创了一套称为3DT的统一数据标准，兼容百余种异构空间数据，支撑PB级三维场景实时渲染，作为空间智能展开计算的底座；

在数据之上是峥嵘大模型，国内首个通过国家备案的工业级空间智能大模型，搭建了“外观层-几何层-语义层-物理层-模拟层”五层技术栈，把看得见化为算得准，模型的计算能力使得真实的物理世界可以进行推演和决策；

这些计算在端侧以元尊S800空间智能一体机来实现，全栈国产信创保障数据的安全。

真实应用持续沉淀数据与反馈，并不断回流到模型训练与评估中，飞渡的数据飞轮已经开始运转：场景越多，模型越懂业务；模型越强，又能进入更多场景。

飞渡科技的思路与国际上技术发展的前沿吻合，李飞飞把世界模型拆成渲染器、仿真器、规划器三种功能，World Labs建立仿真器的努力的目的就是让生成的世界从看起来真实变成机器人能进入的训练场。

飞渡更进一步把空间智能的目的指向了推演与决策。说到底，世界模型不是要被定义出来的，而是要被用出来的：渲染与生成只是上半场，推演与决策才是下半场。

用来决策的世界模型

以城市防洪为例，过去的做法是要等暴雨预警或内涝已经发生后，调度人员才依据历史经验和静态图纸判断风险点、组织力量处置，整个过程是事后响应，这是因为推演只发生在人的脑子里，机器无法在事前做出推理，更遑论决策。

建立空间智能的基础设施之后，气象、地形、管网各类型数据在同一个平台上汇总成城市的可计算副本，模型在数字空间里把这场雨预演一遍，推演哪座立交桥下会先积水、积水多深、影响周边哪些道路或者小区、哪个泵站该提前开动，全部在降雨落地之前给出可检验的推演结果，调度方案先在虚拟世界里试错万次，最优解再下发到真实世界。

决策从经验驱动变成了由模型推演来驱动。

这不是纸面推演，飞渡面向洪涝灾害防御构建的推演链路里，有以下几个环节最能说明世界模型有用到底意味着什么。

其一是动态边界控制。

当溃口发生、洪水漫溢、河道冲刷导致边界条件突变时，系统在秒级时间内感知变化、重构计算域、续接推演，而且可以实现推演不中断，结果不失效，决策窗口被最大程度保留。

其二是真实世界1:1验证。

推演结果与实时监测数据逐时刻比对，偏差超过阈值立即在线修正，每一次验证误差都沉淀为模型经验。

其三是智能体化的调度。

被称为水利界首席参谋的智水AI与灵枢（SAGE）灾害模拟推演智能体，让用户只需要提出目标，比如推演未来6小时洪水演进并给出最优调度方案，系统便自动完成数据调取、模型选择、参数配置、计算推演、方案比选的全流程，并把结果翻译成决策者能直接使用的建议：哪片区域、多深积水、影响多少人、走哪条路线、需要多少分钟。

在北京某区的水库智能调度项目中，这套智能体经历了最好的检验，真实事件就是最好的检验场。

每一次推演都与历史真实事件库回放比对，系统由此获得记忆能力，越用越懂业务，越算越懂场景，越做越会决策。

依靠统一基准下的多场耦合并行计算，大范围流域的全域洪涝推演耗时可以从以天为单位压缩到分钟级；从降雨输入到淹没范围输出的全链条推演，数分钟内即可完成。

目标指向推演和决策的世界模型，不再追求更好看的重建结果，转而投身于水利行业和应急减灾，可以覆盖水旱灾害防御、山洪预警、智慧灌区调度、国家水网智能管控等全场景，能够基于无人机实时回传与AI重建，短时间内完成灾害现场厘米级精度的三维语义建模，还能够动态模拟山体滑坡、泥石流、溃坝等灾害的演进过程，自动生成救援力量调度与人员疏散方案。

其基于亚米级地形建模构建的暴雨洪涝仿真系统，已把灾害模拟分析的准备周期从传统的数月量级压缩到数日级别，实施成本更是降至原有方法的10%。

在中国，这样的模型和应用已落地千余个项目，而与传统方案相比差别也不止在效率。

经验会失传，而一个可计算、可验证、会进化的世界副本则会越用越聪明，这正是数据飞轮在真实场景里的样子，也是空间智能基础设施建设的真正意义。

这样一套空间智能基础设施不是一次性交付的软件项目，而是一种像水库、堤坝一样长期服役、持续增值的公共能力。

建设这样的公共能力，在现实场景中开发工业级的应用，正是中国的模型开发者们给出的答案。

统一底座加行业插件的架构，让这套能力可以低成本地泛化到各行各业：低空经济里，飞行器先在数字空间推演万次，再在真实天空安全穿行一次；

具身智能领域里，机器人装上空间大脑，先预判环境变化再自主行动。

这些能力也经受了国际学术舞台的检验：峥嵘大模型已先后斩获2026 CVPR多模态理解、2026 CVPR多模态推理、2026 ECCV具身智能交互多项世界冠军和季军等荣誉。

生成、理解、推理、决策，每一环过硬的成绩还在背书中国的世界模型出海。

在HICOOL峰会期间，飞渡展位上，来自各国政府、龙头企业、科研院所的嘉宾围绕具身智能、能源交通、航空航天、水利水务、高端制造、城市治理等场景深入洽谈，现场达成多项合作意向；

展会期间，飞渡还在金砖国家技术转移中心企业出海培训上发表了题为World-Leading Spatial Intelligence Infrastructure（全球领先的空间智能基础设施）的演讲，讲述如何在20多个国家落地，把这套能力带向全球市场。

奖项是认可，订单才是验证。飞渡回答最多的问题不是怎么获奖或者世界模型是什么，而是空间智能和世界模型究竟有什么用，该怎么用。

判断的标准，终究是用出来的

回到开头的问题：AI通向物理世界的短板怎么补？

过去两年，行业的注意力大多放在生成上，比较的是谁的演示更逼真、谁的世界更宏大。

但判断一家世界模型公司是否在接近答案，不应该是看谁的演示更像个世界，而应该看谁在用它做真实决策。

评测榜单的兴起本身就在说明这一点：TriWorldBench推动评价标准从视觉生成转向世界理解，WorldArena已把物理一致性、三维准确性、可控性，以及数据生成、策略评估和动作规划等能力纳入评测。

全行业的尺子，都在从好不好看转向能不能用。

在HICOOL“对话硅谷传奇投资人”路演环节，飞渡与其他五支获奖队伍、十支清华大学博士创业团队同场竞技，夺得冠军，Reichert在赛后邀请飞渡明年赴硅谷参加全球投资人峰会路演。

产业与资本两个评委席投出同一张票，投的不是一个演示，而是一条已经在真实世界里跑通的理解世界、推演未来、作出决策、驱动行动的全过程闭环。

人工智能正从语言理解向物理世界理解演进，空间智能基础设施是连接数字世界与物理世界的核心纽带，其价值必须经过这条闭环兑现。

补上缺失的一环的人，将会拿到下一个十年的入场券。

灾害不会等AI慢慢长大，下一场暴雨来临之前，城市需要的是一个能提前把雨下完一遍的世界。

大幕既启，飞渡科技正持续深耕全链路全栈空间智能基础设施，加速全球化布局，让机器真正理解并进入物理世界，让空间智能成为驱动千行百业的新质生产力引擎。

世界模型的中国时刻，才刚刚开始。