大模型学会聊天之后，开始学着「过日子」了。近日，京东把实时可交互世界模型 JoyAI-Echo WM 摆上开源社区；字节被曝把各模型方向中最高的资金投入，压向了同一个靶心。

AI「补课」物理常识，世界模型成了最贵的学分

世界模型内核朴素，让 AI 在脑子里装下世界的规律。杯子松手落地，拐角后有遮挡。语言模型熟读全部文字，却没端过一杯水，迈不进物理世界的跛脚就在这。

Genie 3 生成可探索环境，V-JEPA 2 做机器人规划，Cosmos 定位 Physical AI 底座。它早不该被归进视频生成赛道，视频生成只答下一帧，空间智能还得追问物体在哪、动作带来什么。

热度遮不住边界，视觉合理不等于物理准确，门看着能开，未必懂门轴和摩擦。

李飞飞拆解冷静，渲染、模拟、规划三位一体，最难啃的是模拟器。世界模型如今大致相当于 2019 年的语言模型，密码还没破。

冷静拦不住热钱，World Labs 融资 12.3 亿美元，估值 50 亿美元，英伟达与 AMD 罕见同框。

国内前 7 个月一级市场砸进 666 亿元，64 家公司 58 家拿到融资。

钱在抢跑，尺子还没造好，连世界模型都没共识，质变或许要等到 2028 年。收入那头，至今没人披露过规模化进账，技术还住在 demo 里，门票已开卖，行话叫期货。

可账本另一端诱人，IDC 测算中国具身机器人支出从 2025 年 14 亿美元蹿到 2030 年 770 亿美元，年复合增速 94%。国务院发展研究中心更乐观，预计 2035 年破万亿。

字节不缺模型，缺的是下一块屏幕

字节闯入世界模型的姿态很字节，承认来晚，然后加倍下注。

2024 年周畅从阿里通义加盟，内部判断路线未明，先打视频模型的仗。2025 年两支 VLA 成军，一路吃仿真数据，一路吃自然数据。

2026 年春节后牌桌重洗，Seed 新设世界模型研究组，前 Meta FAIR 研究员范浩奇挂帅，走 3D 仿真路线瞄准游戏娱乐，两支 VLA 合并归入周畅麾下，Seed Robotics 随后并入。

钱的流向更诚实，世界模型数据预算数千万元，是其他厂商的 3 到 4 倍。年底对标 Google Genie 3，差距约 10%。豆包 DAU 已破 2 亿，全球最肥的一块 AI 流量田。

字节的焦虑是结构性的，抖音把二维信息流做到注意力极限，用户时长和广告加载率都有物理上限，文本牌桌只排第 8，推荐引擎需要一块装得下下一次生命的新屏幕。

硬件是它交过学费的地方，2021 年 90 亿元抢下 Pico，2022 年 PICO 4 发布喊出销量破 100 万台。3 个月后 ChatGPT 出世，风向掉头，次年目标腰斩到 50 万台。2023 年二季度中国 VR/AR 头显只卖出 15.6 万台，同比减半。每一代头显的墓碑上刻着同一个死因，内容荒。

世界模型恰好能治这个病，Seedance 2.5 单次生成拉到 30 秒，可消化 50 个参考素材。Seed3D 2.0 输出带关节、可拆分、可进仿真引擎的 3D 资产，被称半个世界模型。9 月的目标参数值得咀嚼，端到端延迟约 50 毫秒，每秒约 20 帧，画面全部云端生成。

50 毫秒是一道门槛，人眼对延迟的容忍阈值在 50 到 100 毫秒，低于这道线，大脑会把虚拟空间误判为真实在场，VR 行业卡了 10 年。

云端生成顺手改写成本结构，头显只剩显示和传感，VR 从硬件生意变成云服务生意。原定 9 月的 Pico Space Pro 推迟到四季度，等的显然就是这口气。

把推荐引擎从二维屏幕搬进三维空间，让内容像自来水一样实时生成，内容荒这个老死因才被连根拔除。这与其说是技术野心，不如说是一个内容帝国的形态自救。

京东把供应链搬进了仿真器

京东做世界模型，画风与别家不同。这家公司的弹药库里没有日活神话，有的是别人抄不走的东西，20 多年供应链、60 万一线员工，和全中国密度最高的物理场景。

JDD 大会上，京东开源 JoyAI-Echo WM。它随用户移动持续生成场景，同步输出 720P 视频、环境音与语音，支持多轮交互，在 WBench Navigation 评测中以 81.6 分登顶。

模型只是水面上露出的尖，水面之下，京东计划两年采集超 1000 万小时人类真实场景视频，建设全球最大的具身智能数据采集中心，开源的行业最大第一视角数据集 EgoLive 覆盖 1969 类物体、1796 种动作，引来 8 个国家上百所高校申请。

这笔账算得清楚，机器人最贵的一课是摔跤，真实试错按小时计费，遥操作采集一小时动辄数万美元。仿真把摔跤搬进虚拟世界，成本趋近于电费。

京东恰好握着中国最完整的可仿真现实，仓库、分拣线、配送站、无人车，每天产出带动作标签的物理数据，这类数据在游戏视频里长不出来。

卡位动作密不透风，未来 5 年采购 300 万台机器人、100 万台无人车、10 万架无人机，全国布局 80 个 RoboBase 基地，JoyInside 牵手近 200 个硬件品牌，年内接入终端超千万台，投资名单从智元、逐际动力、众擎排到帕西尼，本体、零部件、具身模型全链条通吃。

这家公司在做一笔资产重估，把 20 年攒下的供应链从成本中心改写为 AI 时代的训练场。

入口是面子，收租权是里子

舆论爱讲入口之争，这个词值得拆开验货。

押宝头显入口，是 2016 年 VR 元年就演过的剧本。Vision Pro 卖了两年多仍是富人的玩具，Quest 守着小众盘子，Pico 刚从寒冬里缓过气。硬件这道门，还远远没装上。

卡位的真正对象，是空间计算时代的生产成本定义权。

字节押空间内容的生产成本趋零，内容荒消失后，它向内容产业收生成税。

京东押物理作业的试错成本趋零，机器人上岗前都在它的仿真里练手，它向机器人产业收仿真税。

两家排的是同一个售票处的两个窗口，卖的都是 2028 年的票。

生态动作都在为收租铺路，字节自研加投资，影眸科技、生数科技、自变量机器人陆续进了购物车。

京东投资加渠道加地产，200 多个品牌接入 JoyInside，80 个基地圈地，1000 万小时数据持续喂养模型。

两边的算盘都清楚，世界模型成熟那天，平台上跑着别人生意的那家，就成了事实标准。

软肋也该摆上桌面，字节的二维信息流与三维实时交互隔着技术代差，Pico 的前科提醒市场，这家公司的硬件耐心不算长。

京东场景全是自家的，数据闭环漂亮，可操作系统的价值取决于第三方数量，它的世界模型眼下最大的客户恐怕只有自己。

两家争夺的底层是同一种能力，持续的空间理解。字节握着模型、内容生态和终端，京东握着供应链、物流和可验证的物理场景，两家都还没有闭环。

拼模型像不像世界的阶段正在退潮，拼谁的世界装得下别人生意的阶段正在涨潮。

世界模型的战略价值，可能远超模型 API 本身。

部分资料参考：京东探索研究院：《From AI Models to the Physical World: Highlights from JDDiscovery 2026》，字节跳动 Seed：《Seed Research: BAGEL, The Open-Source Unified Multimodal Model, An All-in-One Model》，Meta AI Research：《V-JEPA 2: Advancing World Models for Physical AI》