摘要当前国内具身操作赛道并存隐式VLA、显式/隐式世界模型、WAM、IL/RL、虚实混合数据多条技术路线。各大厂商对外均宣称「虚实融合」但底层数据权重、模型架构信仰截然不同。本文梳理路线矛盾给出收敛时间窗口与各家演进推演。一、先厘清两条正交技术坐标轴很多讨论陷入误区把世界模型、VLA、IL/RL放在同一维度对比。实际是两套独立维度可以自由组合。模型架构维度隐式路线原生VLA无独立可调用预测模块感知直接输出动作延迟低、工程简单缺少前瞻推演能力。显式世界模型策略与动力学预测解耦可在模型内部预演多条动作轨迹支持想象规划、MPC痛点是预测幻觉、算力开销高。WAM世界-动作模型尝试一体化建模状态预测与动作输出分为显式WAM、隐式WAM两个分支。训练与数据范式维度IL模仿学习依托专家示教轨迹基线稳定是现阶段落地的基础入场券局限是难以超越示范样本。RL强化学习具备自主优化潜力但纯真机RL样本成本极高行业主流方向为想象RL在世界模型内交互训练。虚实混合数据核心分歧不在于“要不要仿真”而是训练各阶段真机/仿真采样权重谁占主导。训练三阶段标准链路基座预训练 → 任务协同Co-training → 真机现场精调二、六家厂商底层路线底色核心差异厂商数据策略模型主线训练重心天然短板优势场景千寻智能真机优先仿真仅补充长尾不主导训练隐式VLA逐步轻量外挂世界模型IL为主少量局部RL新场景扩张依赖真机集群原生缺少前瞻规划产线力控、柔性物料、长时间连续作业SUDO苏度仿真优先真机作为校准锚点Real2Sim2Real显式3D世界模型MPC规划中长期目标想象RL缺少足量真机微调时Sim2Real衰减明显多技能快速拓展、新能源装配、边界场景探索极佳视界生成式世界模型构建数据金字塔仿真≠物理引擎靠生成扩充样本显式WAM世界动作一体化IL打底探索想象RL生成数据存在物理一致性幻觉、算力需求高通用机器人多场景泛化预研银河通用仿真基座预训练少量真机任务微调隐式WAM介于VLA与显式WM中间形态IL为主精细力交互任务上限受限零售杂乱SKU、密集物品抓取智元机器人真机集群自研仿真平台双线均衡发展ViLLA增强隐式VLA渐进叠加世界模型IL在线失败样本采集路线偏稳健前沿架构迭代偏保守仓储物流、标准化工业场景、人形落地无界动力真机搭建基线仿真重点扩充失败负样本潜空间显式世界模型技术路线偏好RL大规模工程落地案例偏少长时序多步骤连续操作关键真相所有厂商都宣传「虚实融合」但路线鸿沟在于基座预训练、协同训练阶段到底是真机分布主导还是仿真分布主导。这也是相同演示效果下真机上线后稳定性差距巨大的根源温漂、机械间隙、接触摩擦、传感器噪声等隐性扰动难以在仿真完整复现。三、技术范式收敛时间窗口推演1. 短期2026–2028路线融合期不会大一统不会出现VLA、世界模型、WAM单一架构消灭对手。行业统一演进方向分层混合架构成为主流工程基线上层LLM负责长时序任务拆解低频中层轻量化潜空间显式世界模型滚动推演、风险预判、候选动作评估底层高频执行单元VLA/简化WAM负责连续动作输出训练范式IL搭建基础能力 想象RL优化策略 真机数据持续校准抑制幻觉路线差异从「有没有世界模型」收缩为世界模型规模大小、虚实数据采样权重、RL承担的优化比例。纯隐式VLA无预测模块、纯像素级显式世界模型两条极端路线很难独立支撑高端工业交付。2. 中期2028–2030阶段性范式收敛分水岭头部厂商完成大规模量产验证行业形成公认标准基线架构。对外宣传的架构叙事差异大幅缩小。竞争重心发生转移高质量真机交互数据集底座Sim2Real系统化校准管线处理温漂、机械非线性等工业特有误差虚实混合动态采样训练框架端侧低延迟模型部署与软硬一体优化。简单类比如同CV领域CNN与Transformer之争最终Transformer成为统一底座后续比拼不再是架构选择而是数据与工程能力。3. 长期2030以后存在范式跃迁可能性当前整套体系以视觉RGB为主模态力觉、触觉、本体动力学属于附加输入。未来潜在新方向视觉力觉触觉本体动力学原生联合建模的多模态物理基座神经网络可微分物理融合架构脱离自回归Transformer的类脑时序连续预测框架。即便新架构诞生存量VLA/WAM混合架构仍会在工业场景长期服役不会瞬间被替代。四、落地选型核心结论2026–2028项目选型不要迷信“架构先进论”固定产线、力控作业、长时间连续运行优先考察真机数据是否占据训练主体千寻、智元优势区间多品类泛化、快速试点、大量长尾场景探索世界模型路线迭代速度更强SUDO、极佳视界前提是配套充足真机现场微调。收敛 ≠ 同质化架构模块趋同只是表层现象数据分布、训练管线、针对机器人硬件噪声的深度适配会持续构成长期壁垒。终局不是单一技术胜出而是场景匹配不存在万能架构。工业高精度交互场景天然对真机数据权重要求更高通用开放式机器人会持续依靠世界模型提升泛化与前瞻规划能力。赛道下一阶段竞争不再是“VLA vs 世界模型”的路线辩论。真正拉开差距的命题如何构建一套自适应动态虚实配比训练体系根据任务类型、部署阶段自动平衡仿真数据的泛化能力与真机数据的物理真实性。