世界模型混战2026：先抢人，再定义，真玩家一只手就能数清｜全景|世界模型|宇宙|智能体|机器人|混战|神经网络|算法

撰文╱蒋雨恬封面图╱《异次元骇客》剧照

美术编辑╱蒋雨恬文字编辑╱陈桐

技术没落地，不妨碍资本入场。·01
叙事泡沫下的人才焦虑·02
学者们如何看产业现状？·03
领军人物名单：世界模型的创造者们 ·04

2026年的前七个月，中国一级市场里，世界模型赛道流入资金666亿元，58家公司拿到融资。而回到四个月前，中国大概有一百家公司自称做世界模型——如果严格按照预训练的标准来筛选，真正在做的不超过五家。

“学界对世界模型的概念解读是有共识的，但商业界并非如此。”一位受访者说道。

在公众视野里亦然，除了业界，大部分消费者对于“世界模型”的含义、价值定位也是模糊甚至陌生的。一位在WAIC站了三天展台的大厂研究员告诉《职场Bonus》，那几天他被观展群众问得最多的问题是：世界模型到底是什么？

上个月，李飞飞在World Labs官网上线了 Atlas，再次点燃了“世界模型”在人才市场的话题度。该多模态世界模型在输入阶段即为每张图像标注了明确的相机位姿，模型据此理解场景的三维结构，创作者因而能够精确控制镜头运动，而不止于生成一段好看的视频。

纵使技术发展和外界认知拉开了巨大的鸿沟，世界模型依然成了市面上最缺人的赛道之一。叙事泡沫已经升起，如何分辨哪些人和团队在做真东西？

技术没落地，不妨碍资本入场

“国内真正达到世界模型标准的公司，目前一只手数得过来。”谈及“世界模型”的技术标准，大厂博士实习生YT告诉《职场Bonus》。

截至8月初，今年新成立的世界模型公司已有23家，其中18家在成立数月内完成首轮或前两轮融资，2家在种子轮或Pre-A轮就被标记为独角兽。

世界模型之所以能如此吸金，原因在于它被普遍认为是“下一代AI的基座”，是连接数字AI与物理世界的桥梁，也是具身智能、自动驾驶、机器人等物理AI应用的基础设施。

目前，这条边界尚未划清的赛道正以所未有的速度聚拢资金与人才。海外头部AI实验室和机器人公司正在将世界模型发展为独立的研究与人才方向。Google DeepMind已公开招聘该方向的研究科学家，研究多模态生成模型、实时视频生成以及可交互的世界模型；机器人公司1X设立了岗位，薪资为20万–30万美元年薪加股权。[1]Runway设立了世界模型工程师岗，开到了27-37万美元年薪加期权[2]。xAI则开出了18-44万美金[3]。

李飞飞的World‑Labs不限学历，以专业性为指标招聘，Yann LeCun新创立的AMI Labs等各大科技公司、实验室都开始设立专门世界模型研发团队，公开招聘物理仿真、视频预测方向人才。

在高门槛的领域，人才就是稀缺资源，企业招兵买马的动作已经全面前置。他们不再坐等毕业季，开始提前接触在读硕博，通过顶尖研究实习完成早期筛选。

不过，对于入行，“技术线的窗口期基本不存在，产品线的窗口期是有的。”YT说。

[1] The 1X World Model Lab | Est. 2026
[2]Member of Technical Staff, Research Engineer-Runway-Madrona
[3]https://yubhub.co/jobs/job_28b01ce3-8a3/

叙事泡沫下的人才焦虑

今年，AI 岗位整体扩张、高端与复合型人才普遍紧缺，世界模型岗位需求明显变热。有猎头认为，现在的状况是“没人可培养，只能挖”。世界模型对人才的要求较高，招聘难度较大。

从面上看，普通大模型算法岗已比较拥挤，缺的是高匹配复合算法与工程落地；从点上看，具身智能的大脑/操作基座——VLA、世界模型/World-Action Model、RL 与运控交叉，是缺口和薪酬弹性最大的方向之一。

世界模型的从业者基本是同条技术谱系的人。其中，最直接的源头是计算机视觉与 3D 图形学/神经渲染，掌握新技术栈的人才相对稀缺。目前来看，从元宇宙、视频生成、LLM、数理背景，到机器人/机械/电子背景的从业者都有。一种说法是，曾经“元宇宙”的从业者是如今世界模型的最大人才来源；最核心的基模/WAM，仍主要是数理博士和LLM/视频生成研究员。

在YT的经验里，实验室的岗位多靠熟人引荐和师门网络，转行人员则更多分布在工程侧或外围。企业的岗位则更为开放。

如果总结出这些岗位的最低准入门槛，从业者入行需要具备相关方向的高校硕博学历，扎实的机器学习/深度学习基础，以及至少一段以上对口的科研或项目经历。“我们认为，高校学历是敲门砖，因为这能证明候选人的价值密度和AI Native的质量。”从事AI医疗方向的清华研究员曹圳华说。

世界模型的岗位横跨生成式AI、仿真与因果推理、强化学习与真机部署、大规模分布式训练等多个领域，而每个细分方向上符合要求、且同时具备学历与科研背书的候选人数量为数不多。因此，当前较为现实的人才来源，主要还是大公司溢出的人才以及院校硕博。

对于基建设施完善的公司或研究室来说，剥离处理数据等重复劳动后，世界模型核心基模团队人数基本在10人左右便可以运行。

因为人才缺口大，企业把抢人的阶段前移到学生的博一/博二，一些大厂在“实习即享全职待遇”的锁定政策下抢人。Momenta顶尖院校研究员的实习薪酬最高能够达到3600元一天[4]。

实习岗的涨薪不过是冰山一角。

行业共识是，世界模型的人才窗口期，可能只有两到三年。

国内知名上市公司的世界模型/VLA算法首席岗位，年包约900万至1020万。[5]海外更为夸张。Waabi为世界模型研究工程师开出的价码是15.5万至26.9万美元年薪，外加股权与奖金。[6]Meta为打造超级智能实验室（MSL），向OpenAI、Google DeepMind的顶级研究员开出四年3亿美元的薪酬包[7]。（MSL定位是AGI/ASI，世界模型属其研究方向之一。）国内应届博士年薪普遍在60万至150万元区间[8]。

对于想入行的人来说，选择公司需谨慎评估其长期价值。若进入一家缺乏清晰盈利模式、产品规划模糊或忽视人才培养的公司，可能面临业务停滞甚至倒闭的风险，进而影响个人职业发展。部分创业公司因盲目追逐风口，未建立可持续的商业逻辑，最终难以为继。因此，求职者应关注公司的核心竞争力、战略方向及团队稳定性，避免因短期热度而忽视潜在风险。

作为一线研究者，YT坦言“行业没法长期规划，因为热点不停在换”。那么，有哪些方法能判断热点是不是真需求？

一种方法是，用时间尺度检验需求持续性，拉长周期观察需求是否依然存在。例如，当世界模型与人形机器人结合时，需分开看待：世界模型解决交互性的本质问题，人形机器人是叙事载体。通过观察行业是否具有5-10年量级的长期共识，从学术研究、巨头持续研发投入、长线资本布局、底层需求独立性等方面进行综合评估。

另一种方法是，通过技术路线观察，评估宣传与实际能力的差距。首先判断产业技术路线是否打通，再分析两者之间的落差。宣传与实际能力的距离越远，泡沫可能越大。例如，评估技术的真实性与落地性时，需注意世界模型定义宽泛，部分项目仅将原有仿真、3D或视频生成业务更换标签。“预训练”是区分真伪的关键标准之一——公司是否从零开始用海量数据训练模型理解物理规律，而非仅进行微调或应用。

最后，可以从人类社会的本质需求出发，假设换掉技术载体，看技术是否仍有需求、是否成立。例如，YT从元宇宙入行，技术载体虽几经切换，但技术方向始终围绕虚拟交互与内容生成，未发生根本改变。“叙事泡沫是必然存在的，最重要的是好好打磨技术，就算现在商业化没跑通，付诸的努力也有价值。”

“技术热点确实很多，但不用过多焦虑。”大部分从业者都认为，每天都在发生科技地震，但技术其实没有看起来那么复杂。从业者学精技术后，很快就能碰到前沿。打好顶级大学的机器学习/深度学习基础，有时可能比多看文献、多做实验更有用。

[4]https://www.zhipin.com/job_detail/890d316f1df5aa850nR63d28E1tU.html
[5]https://www.liepin.com/a/79057849.shtml
[6]Research Engineer, World Models-Waabi-Venture Partners
[7]https://dxpress.gelonghui.com/live/1959365
[8]https://www.shobserver.com/staticsg/res/html/web/newsDetail.html?id=1100951
https://www.nowcoder.com/jobs/detail/464360

学者们如何看产业现状？

当我们在谈论世界模型时，我们到底在谈什么？是Sora生成的逼真视频，还是机器人自动决策？在学术界看来，如果不厘清这个概念，产业就无法从Demo走向规模化落地。

世界模型奠基者李飞飞的视角是——观察技术在世界模型闭环中承担的功能。整个过程为：智能体做出动作，动作改变世界的状态，智能体接收到观测，基于观测做出下一个动作。这也构成了当前产业分工的底层逻辑：

第一类是渲染器，输出像素：比如文生视频、图像生成。它们擅长取悦人眼，商业化最成熟，但不懂物理和几何。你不能指望用它来设计建筑或训练机器人，因为它擅长取悦人眼，但不保证物理和几何的正确性。

第二类是规划器，输出动作：比如VLA模型、具身智能大脑。它们是当前的热钱聚集地，负责告诉智能体下一步做什么。但目前，还没有规划器在真实世界的复杂度和长时序任务中被完全验证过。

第三类是模拟器，输出状态：这是研发最难的一环。它输出的是几何数据、物理参数，高度模拟真实世界。最大难题是AI生成的虚拟物体往往暗藏缺陷，一旦接入物理引擎就会穿模或崩塌。它是连接数字与现实的桥梁，也是目前最大的瓶颈。

目前，世界模型在以下五大产业中应用的最多。

●自动驾驶

自动驾驶是现在离钱最近的战场，也是当前世界模型应用最成体系、商业化路径最清晰的领域。

在技术路径与商业化节奏上，各家企业打法不同。华为选择了重金打法，通过架构系统分端进行。云端世界引擎负责生成海量训练场景，车端世界行为模型直接处理传感器数据、输出驾驶指令。2026年，华为计划在该领域投入超过180亿元。今年1月，蔚来向超过46万辆车推送了NWM全新版本，这是国内最早发布、也最早量产的自动驾驶世界模型。

相关从业者主要来自车企智驾团队、自动驾驶公司和高校实验室，华为、小鹏、蔚来、理想、Waymo以及清华、浙大、西湖大学等是主要来源，互联网大厂的AI部门也在输送人才。背景上，计算机、自动化、数学、车辆工程、电子工程等硕士及以上学历是基础门槛，

产业层面普遍认为，自动驾驶是世界模型赛道商业化落地条件最成熟的垂直场景，但 Sim2Real（仿真到现实）鸿沟仍是行业头号难题，仿真世界再逼真，也复现不了真实世界全部的物理特性，必须靠真实世界数据来填补。Waymo的召回事件，就是因为自动驾驶积水路段决策失误，仿真无法复现真实水文物理特性。

●人形机器人与物理AI

人形机器人与物理AI的本体量近两年爆发，增长极快。

看国内，原力无限完成近10亿元A轮及A+轮融资，前阿里副总裁白惠源押注因果世界模型，产品累计拿下超5亿元商业订单。千诀科技完成数亿元A+轮融资，聚焦预测式世界模型与多项式表征架构。星海图在4月完成20亿元B+轮融资、估值突破200亿元后，于8月宣布已交付千台级模型驱动的真实生产力订单，明年交付目标为万台以上。

人才来源有五个主要方向：具身智能原生研究、传统互联网、大模型、自动驾驶及汽车、智能硬件。其中自动驾驶是最大输送源。

高校侧，清北复交、浙大、哈工大的机器人实验室是顶尖算法人才的主要来源。背景分“大脑”和“小脑”两条线。大脑侧需要计算机、AI背景，做VLM、多模态大模型和世界模型；小脑侧需要机器人学、控制工程背景，做运动控制、导航和遥操作。目前，最缺的是有运动控制经验的人，以及同时懂硬件、懂物理交互的交叉背景人才也极度稀缺，从自动驾驶转过来的人往往要恶补硬件系统知识。

银河通用创始人王鹤认为，当前人形机器人整体距离理想通用状态仍有很大差距。其中，带来差距的重要原因之一是数据。LLM投喂的是全网文本语料，机器人却没有如此丰富的动作语料可投喂，其次是全球人形机器人数量太少，不足以支撑大规模探索。

一位做模型研发的业内人士说：很大程度上，做世界模型是为了给投资人一个交代。

●游戏、3D与虚拟世界

游戏、3D与虚拟世界，资本热度相对较高，技术已经从实验室项目进入生产力管线。DeepMindCEODemis Hassabis认为，游戏是世界模型的天然载体。因为游戏提供了规则清晰、反馈即时、可无限生成数据的可控虚拟世界。从当前可商用的产品形态看，它主要仍落在渲染与资产生成层面，离预想中的世界模型标准还有一定距离。

等待者的名单“星光熠熠”，李飞飞联合创立的Astrocade，红杉领投，英伟达、谷歌AI基金跟投。ImageNet点燃了上一个十年的视觉革命，她在押注下一个十年，这一次是世界模型。Odyssey则重金押注技术，转向加速世界模拟。估值达14.5亿美元。VAST前脚拿到约2亿美元，9月再完成约30亿元人民币B轮和B+轮融资，方向为AI 3D大模型与通用世界模型。

该行业的人才储备池主要是游戏引擎公司。据Metix AI报告，Unity、Epic、Roblox、NVIDIA的图形与仿真线是人才池的主要来源，世界模型公司现有员工中约一成来自游戏、VFX或大型图形公司。从背景上看，图形学、渲染、物理仿真、程序化生成是核心技能。

目前，游戏、3D与虚拟世界行业中，比较稀缺的是图形学与AI的交叉人才，这是因为传统图形工程师不懂大模型，AI工程师不懂实时渲染和引擎架构，；GDC调查发现，过半数开发者对生成式AI持负面态度，也说明技术与创作之间的断层还没弥合。

World Model Lab创始人王若水认为，“搭世界”对人类来说是一件很本质的事情，就像《头号玩家》里描述的那样。人类希望创造可交互虚拟世界的愿望，从科幻时代就已经存在，“哪怕技术迭代很多版本，叙事会一直存在”。

●工业数字孪生

工业数字孪生与世界模型结合的赛道，市场需求存在，订单逐年增长，但停留在试点阶段。

工业数字孪生可以理解为，企业在动手改真实产线之前，先模拟预测设计、生产、运维的全过程。因此对模拟器要求很高，需要高保真物理建模。

DataM Intelligence预测，制造业数字孪生市场到2035年将达2.93万亿美元。但这一数字包含智慧城市、医疗、军工等全部数字孪生应用，纯工业部分的市场规模要小得多。在国内，项目中标口径目前在百亿元人民币量级。

该行业的人才来源，主要来自工业软件公司、云与平台厂商以及应用层企业，西门子、达索、PTC、华为云、阿里云、腾讯云、力控科技、优锘科技、51WORLD、卡奥斯都是典型去处。比较常见的一条路径，是互联网或游戏背景的技术人才向制造业数字化流动，有数字孪生技术骨干几年前还是游戏开发工程师。

背景上，物联网、计算机、工业工程运筹优化、人工智能算法是核心专业，工业软件能力和 OT/IT融合经验是硬门槛，人社部已拟新增“数字孪生工程技术人员”为新职业。这个赛道最大的卡点同其它赛道一样，复合型人才稀缺。此外，加上产业以项目制为主、现金流压力大，对高端人才的吸引力也受影响。

至于“万亿市场”的说法，则包含世界模型、仿真引擎、AI 训练基础设施等多类方向。

整体看，行业规模化还有较大距离。除了上述人才稀缺问题，还有内部专业数据打通难度大，后期维护成本高等障碍，此外，孪生系统实时与闭环的程度越高，网络攻击、数据篡改与责任归属问题就越敏感，安全合规成本随之上升。

●AI医疗

今年八月底，马斯克在X上发帖称：“终有一天，Optimus+Grok将为地球上的所有人提供不可思议的医疗服务。”英伟达Omniverse与仿真技术副总裁Rev Lebaredian则认为：“世界模型潜在市场规模可能几乎相当于全球经济总量，因为它将技术带入制造业和医疗健康等物理领域。”

AI医疗若要发展，需要引入能推演后果的世界模型技术。这是因为回答动态的临床问题，AI 医疗需要能推演后果的模型。疾病的演进、干预的后果、不同方案的分岔都需要能预测的模型来判断。AMI Labs明确将医疗保健列为首批应用领域。

学术界是当前主力，约翰霍普金斯、斯坦福、普林斯顿的AI加医学交叉团队是主要产出源，国内上海交大已推出“MD+PhD”双博士医工交叉项目，商汤医疗、百川智能等企业也在招募生命世界模型算法工程师。

科锐国际发布的《2026人才市场洞察及薪酬指南》显示，既懂人工智能又懂医疗行业逻辑的复合型人才缺口率达38%，缺口规模预计达250万人，薪资水平较传统岗位高出30%。招聘要求通常围绕计算机、人工智能、数学、统计、生物医学工程、生物信息学等专业，在生成模型、强化学习、多模态学习、时序建模中至少一个方向有深入研究。

不过，光有AI背景不够，纯AI背景的人不理解临床决策的复杂性和监管要求，纯医学背景的人又不具备模型训练能力，有论文指出，未来可能演化出“计算肿瘤学家”这类介于临床医生、医学物理师和数据科学家之间的新角色。

从格局来看，巨头尚未形成垄断，严格符合实证定义的研究仅14项[9]。赛道的技术发展仍然偏早期。

此外，因为医疗场景特殊的复杂性和监管壁垒，技术落地比想象中艰难太多。这类系统面临计算成本高昂、长程预测失准、对复杂现实世界建模不完整等核心局限，模型在封闭系统内可生成合理推演，但一旦面对真实世界的复杂性就会暴露根本性的不足。

当下，“世界模型”的技术爆发虽在前夜，但前夜亦是孕育变革的起点。

[9]CHEN Z, CONG Z, JIN Z, et al. Medical world models in healthcare: foundations, applications, and challenges for trustworthy clinical translation[J/OL]. arXiv preprint arXiv:2607.25242, 2026

领军人物名单：世界模型的创造者们

“从技术成熟度来看，谈世界模型元年还为时尚早。从场景和需求的角度看，2026年已经是创业的不错起点，甚至可以说是一个right time。”脉脉创始人林凡如是说。

在世界模型这一赛道上，活跃着多类领军人物级别的人才，具体可以划分为四类。

一是学者型人才，依托科研机构牵头研究，并与产业界协同；二是学者创业型人才，既保留教职或科研身份，又创办公司主导技术落地，在学术与商业之间双栖实践；三是自主创业人才，自主组建团队并主导技术路线，同时承担融资与商业化风险；四是大型科技企业在职人才，依托企业平台推进研发，研究方向与战略方向结合。

（排名不分先后，序号仅为计数用）

学者型科研牵头，产研协同