科技政策研究系列之三：世界模型：主权 AI 时代“物理引擎”之争

世界模型：主权AI时代“物理引擎”之争 科技政策研究系列之三 本报告导读： 世界模型正成为主权AI时代大国竞争的新制高点，中国的政策和竞争优势不在于复刻美国模式，而在于依托制造业场景、工业数据与开源成本优势，重构"物理AI效率函数"，以体系化闭环弥补算力短板，在全球竞赛中走出一条"非对称加速"路径。 董琦(分析师)021-38674711dongqi@gtht.com登记编号S0880520110001 报告摘要： 李明亮(分析师)021-23185835limingliang@gtht.com登记编号S0880525040001 全球格局方面，AI竞争重心正从"大语言模型"转向"物理AI"，世界模型作为机器人与物理世界交互的"认知引擎"，已成为全球政策新焦点。美国依托Stargate等计划以前沿能力和算力壁垒定义上限；欧盟以AI法案和主权AI工厂布局可信合规路径；海湾国家凭借主权资本与能源优势打造算力枢纽；日韩印则以本土平台建设为核心追求最低可行主权能力。各国在算力、数据、主权、监管四条主线上形成政策共识，但路径分化明显。 开放的下一程：从要素流动到制度衔接2026.08.14【区域经济】四大增长级的产业格局重构2026.08.10总量稳中提质，K型分化延续2026.08.06上市公司再融资规则迎来系统性优化——资本市场月报（2026年7月）2026.08.05新经济的胜利2026.08.05 中国路径方面，与美国"前沿能力驱动"不同，中国采用"隐性嵌入+场景牵引"策略，通过"人工智能+"顶层战略、部委专项（人形机器人、AI+制造等）及地方实践（北京仿真平台、上海虚实融合实训场、深圳工程化验证、江苏工业语料库等）推动世界模型与实体经济融合。当前，中美顶级模型性能差距已缩至2.7%，中国在全球APIToken中的份额快速上升，印证了"便宜且足够好"的替代性竞争优势。 世界模型的竞争本质是"下一代智能基础设施"定义权之争。中国的战略重心不应是复制美国的单点技术突破，而应聚焦于构建"国产算力—行业数据—仿真平台—实体终端"的系统闭环，围绕五大抓手构建体系化能力：①建立国家级世界模型算力共享池；②强制开放公共领域高保真物理语料；③支持国产物理引擎与工业软件AI化改造；④在机器人政策中引入“仿真里程”考核指标；⑤建设国家级世界模型能力验证场。这些举措将帮助中国在主权AI时代获得定义“物理智能基础设施”的主动权。 地方政府方面，建议将世界模型视为"新型AI基础设施"的上层应用，围绕算力层、数据层、平台层、场景层四类核心要素构建承接能力，通过场景密度、数据矿藏和生态厚度的乘数效应，形成可持续的商业闭环。 风险提示：中美科技脱钩持续升级风险，世界模型高责任场景落地不及预期风险，地方政府同质化竞争与产能过剩风险，算力—能源约束加剧风险，仿真—现实差距（sim-to-real gap）引致的系统性风险。 目录 1.世界模型成为全球AI政策竞争的新焦点..............................................3 1.1.世界模型的定义、技术边界与政策外延...........................................31.2.为什么世界模型开始进入政策视野：从大语言模型走向物理AI.......41.3.全球政策共性：算力、数据、主权、监管四条主线.........................41.4.瓶颈——世界模型发展的“阿喀琉斯之踵”........................................62.全球博弈态势：主权AI框架下的世界模型赛道分化.............................72.1.美国：以前沿能力和算力壁垒定义世界模型上限.............................72.2.欧盟：AI法案、GPAI监管与数字主权............................................82.3.海湾国家：主权资本、能源算力与本土模型品牌.............................92.4.日本、印度、韩国等：本土模型和国家平台建设...........................102.5.共识与分歧——各大经济体之间的竞合关系..................................113.中国世界模型政策框架：从“人工智能+”到物理AI.............................123.1.顶层战略：政府工作报告、“人工智能+”行动与“十五五”规划........123.2.部委专项：工信部、人形机器人、制造专项与高质量数据集政策..123.3.监管与治理：备案体系、生成式AI合规、模型安全与内容标识....133.4.中国以低成本、开源和实体落地形成“更聪明的花钱”路径.............134.中国地方政府世界模型相关政策：从策源到落地................................154.1.北京：具身智能高地与世界模型仿真平台.....................................154.2.上海：算法策源、规则席位与三大超级场景..................................164.3.深圳：机器人产业集群、产业基金与工程化验证...........................164.4.江苏：工业语料库、制造腹地与非对称竞争路线...........................164.5.地方竞逐的本质：争夺“场景密度×数据矿藏×生态厚度”................175.政策趋势研判与启示..........................................................................175.1.世界模型政策将从隐性嵌入走向显性命名.....................................175.2.政策资源将更多向“数据—仿真—训练场—机器人终端”闭环倾斜...185.3.一线城市与制造强省分工将加速清晰............................................195.4.对中国的战略含义：世界模型竞争不能只看“追前沿”，更要看“建体系”…………………………………………………………………………...205.4.1.中国关键不在“复制美国”，而在“重构效率函数”......................215.4.2.对地方的启示：世界模型将成为“新型地方AI基础设施”上层应用………………………………………………………………………226.风险提示............................................................................................23 1.世界模型成为全球AI政策竞争的新焦点 1.1.世界模型的定义、技术边界与政策外延 据智源研究院等机构观点，世界模型的核心不是“更强的视频生成”，而是“对物理世界状态、变化规律与行动后果的建模能力”。其功能包括理解环境、模拟物理演化、预测未来状态，并服务于机器人、自动驾驶、具身智能等物理AI场景，同时也涵盖游戏、设计等交互式应用。 在2026世界人工智能大会（WAIC2026）上，行业专家形成标准化界定，区分“视觉生成模型”与“物理原生世界模型”。根据WAIC的统一定义，真正面向物理世界的世界模型作为AI的物理直觉引擎，核心能力不是渲染画面，而是预测动作发生后的世界真实状态，遵循动力学、空间、力学、因果客观规律。其四大必备能力包括：一是多模态融合感知的能力：统一视觉、力觉、触觉、空间深度信息，识别三维实体与环境变化；二是物理规律认知的能力：掌握重力、摩擦、形变、流体等现实约束，杜绝反物理幻觉；三是因果长时序推理的能力：区分“动作”与“结果”，长周期推演不逻辑崩坏；四是闭环自迭代的能力：通过真实实体交互回流数据，持续修正物理认知偏差。其运作的完整智能链路为看见环境→推演世界变化→预判自身动作后果→执行动作→采集真实反馈更新模型。清华李升波教授提出物理原 生智能新范式：传统大模型以数据拟合为目标，物理世界模型必须把力学、安全、稳定性嵌入模型底层，适配机器人、自动驾驶、工业设备等高风险实体场景。从技术构成看，世界模型并非单一技术路线。业界对此尚未形成统一定义，智源研究院将其分为四类：以语言为中心、以像素为中心（以视频生成为代表）、以三维结构为中心以及以视觉表征为中心。另有学者（如李飞飞）从功能角度将其分为渲染器、模拟器、规划器三类。由此可见，政策制定不能把世界模型仅等同于AIGC视频工具，它更接近物理AI的认知引擎和仿真引擎。当前，中国、美国、日本等全球主要经济体已将其纳入AI政策竞争的前沿领域。 资料来源：Github. 资料来源：Github. 世界模型与VLA、VLM、机器人控制模型不是替代关系，而是逐渐融合。已有行业判断认为，VLA负责感知、推理和行动，世界模型负责推演与想象，两者结合才可能解决物理AI的数据饥渴和泛化问题。这一点非常关键：如果大语言模型是数字世界的“语义操作系统”，那么世界模型就是通往现实世界的“状态预测内核”。 从政策外延看，世界模型一旦进入产业应用，就会迅速外溢到四个政策领域。第一是算力政策，因为其训练和仿真通常比文本模型更依赖高吞吐多模态计算。第二是数据政策，尤其是视频、传感器、力觉、动作序列等高价值物理数据治理。第三是产业政策，因为它天然连接机器人、自动驾驶、 工业软件和数字孪生平台。第四是安全监管政策，因为它不再只是生成内容，而是在潜在上参与现实行动决策。 1.2.为什么世界模型开始进入政策视野：从大语言模型走向物理AI 世界模型进入政策视野的直接背景，是AI竞争重心从“会说”转向“会做”。AI商业化正从纯文本任务扩展到智能体、机器人、自动驾驶与工业系统，推动模型能力从语言生成延伸到物理理解与执行。2026年WAIC及相关行业动态中，世界模型被直接表述为“物理AI核心引擎”，数据被表述为“核心燃料”。这意味着政策制定者不再把AI理解为仅服务办公和内容生产的软件工具，而开始将其理解为进入制造、交通、能源、国防、公共治理的通用基础能力。 资料来源：Understanding World or Predicting Future? A Comprehensive Survey of WorldModels. 从需求端看，世界模型之所以被重视，是因为它为物理系统提供了两类关键能力：其一，在行动前进行推演和风险预判；其二，生成大规模合成训练数据，缓解真实世界采集昂贵且危险的问题。Waymo已被描述为通过虚拟驾驶测试处理大量长尾场景，Microsoft、Roblox等也在把世界模型用于可交互环境生成。虽然这些是技术产业案例，但其政策含义非常直接：谁掌握世界模型，谁就更有机会定义下一代机器人、自动驾驶与工业AI训练方式。从供给端看，国家政策开始介入，恰恰因为世界模型天然带来规模经济和路径依赖。高质量数据集、仿真平台、训练算力和真实场景验证都需要长期投入，而且一旦形成平台，将产生显著的生态锁定。因而，世界模型不可能完全依赖碎片化创业公司自发演进，最终必然向国家主权AI框架、龙头科技平台和场景型大型企业集中。 1.3.全球政策共性：算力、数据、主权、监管四条主线 尽管各国路径差异明显，但围绕世界模型和物理AI，全球政策实际上收敛在四条主线。 第一条是算力。美国的Stargate本质上是国家层面的AI超大规模基础设施动员，首期1000亿美元，未来四年5000亿美元，首批数据中心已在得州建设，首批10个数据中心、计划扩至20个。欧盟InvestAI设立200亿