天使之路
千米云端 “候鸟”成群——周宁紫云村避暑旅居观察_我的网站
A | AI摘要 周宁紫云村依托清凉生态，发展避暑旅居与康养文旅。 7 月的上海，世博展览馆 H3 馆的过道比往年拥挤许多。 入口处停着宇树的载人变形机甲 GD01，观众排队坐进驾驶舱拍照。
B | 往里走，300 多台机器人真机散在 200 多家具身智能企业的展台之间，具身智能无疑是这届 WAIC 最具象的展品。通过盘活闲置资源、引入“乡村CEO”专业运营，推动农文旅融合，带动村民增收，实现从“空心村”到宜居宜游和美乡村的转型。
C | 东南网8月23日讯（福建日报记者 单志强 通讯员 郑文敏）8月，周宁县浦源镇紫云村迎来一年中最热闹的季节。来自宁德、福州、浙江、上海等地的“候鸟”，又如约回到了这座海拔1200米的古村，各地车牌成了山间小路最寻常的风景。 紫云村的森林覆盖率超过90％，盛夏平均气温只有20℃出头，旅居人口甚至超过本村常住居民。而视频生成公司的展台就设在机器人公司隔壁，播放演示片的屏幕连成片：机械臂倒水，无人机穿林，虚拟角色转身。近年来，村里立足生态本底，发展避暑旅居、康养文旅等业态，让绿水青山成为村民增收的“幸福靠山”。 不同公司的讲解员说着高度趋同的话：都在讲具身智能，都在讲世界模型。 图：WAIC 2026 现场，宇树科技展台（来源：新蓝网） 穿梭在展台之间的投资人，面对诸多公司同样问着高度趋同的一套问题，核心聚焦在模型到底什么水平。
D | 但得到的答案却分别指向不同的东西。
E | 清凉引客来，小山村成了“第二故乡” 清晨6点，福州游客俞俊星推开了农家小院的门。有人打开手机展示 VBench 排名，有人调出 RoboTwin 2.0 的任务成功率曲线，有人谈仿真到真机的迁移数据。这是他在紫云村“长租旅居”的第二个夏天。 “这里空气清新、气温宜人，夏天连电扇都很少开。”俞俊星说，退休后他年年寻找清凉之地，遇见紫云村后便签下长租合约。同一个词，在不同的展台上被不同的数字定义。如今，这座山村成了他的“第二故乡”。
F | 当具身智能与世界模型成为显学，榜单便不再只是技术社区的内部排名，而成了行业理解技术路线的入口，在某种程度上，更成了话语权本身。 一张拼图，三个榜单 2026 年以来，具身智能和世界模型几乎成了 AI 圈最热的两个词。 技术圈在讨论，视频模型到底能不能成为机器理解物理世界的路径。
G | 资本圈在讨论，下一代 AI 公司，能不能从“会说话的模型”走向“会理解、会预测、会行动的模型”。媒体圈的问题则更清晰、直白，当“世界模型公司”越来越多，到底该怎么看谁更强？ 然而时至今日，世界模型依旧没有一个统一的定义和衡量标准。
H | 像俞俊星这样的“新村民”不在少数，他们通常在每年5月至10月如约而至。紫云村市派驻村第一书记陈程熙介绍，目前村里日均接待游客300多人次，周末可达五六百人次。 来自宁德蕉城的吴先生，是紫云村最早的一批“候鸟”之一。那年夏天，他和7户人家结伴而来，抱着试试看的心态，没想到一住就是十几年。 落到具体的评测上，世界模型目前还不是一种单一分数就能概括的能力，它更像一张尚未完成的拼图：视频质量、指令理解、时序一致性、物理规律、机器人执行、动作预测，每一项能力背后都站着一张榜单和一群拥趸。
I | 那么，具身智能和世界模型到底该看哪些榜单？把这张拼图拆开，有三块版图绕不开：一张回答"像不像"，一张回答"懂不懂"，一张回答"动不动得了"。“村里的口音越来越多元了。
J | ”他亲眼见证村子从“藏在深山人未识”变成越来越多都市人追寻的“清凉秘境”。看懂它们，比看懂任何一场发布会都更接近行业的真实进度。还有一块回答"准不准"，它是整张拼图的底座，值得单独一章。 VBench：回答"像不像" VBench 是目前视频生成领域最常用的评测体系之一，由南洋理工大学 S-Lab、上海人工智能实验室 OpenGVLab 等机构推出。它从主体一致性、背景一致性、运动流畅度、美学质量等 16 个维度评价生成视频。 “候鸟”的到来，也在反哺古村。
K | 他们通过朋友圈、短视频传播紫云村的清凉与烟火气。 它回答的问题很直接：模型生成的视频，像不像真实世界，是否符合用户输入。在福州游客长鸣的视频号里，晨雾中的龙冈峰、青石板路旁的溪水、农家院里的闲话家常，吸引了超过10万人次观看，评论区满是“求定位”“想去住几天”的留言。福州游客黄秋斌正是循着这些视频而来的：“这里山好、水好，人也好，来了就不想走。” 闲房变“金窝”，共享富农家 “房子还没盖好，就被签了6年。”在紫云村底村25号，村民陈佛利站在新建的三层小楼前笑着说。去年，他看准村里避暑康养前景，拆旧建新。施工期间便有游客登门打听，最终一次性签下6年长租合同，租金全额预付。 在紫云村，这样的故事并非个例。过去，年轻人大多外出务工，老屋长年闲置。
L | 自2022年发展乡村旅游以来，村“两委”引导村民把闲置民居统一规划、改造升级，打造特色民宿。目前，“云山雅居”“云端客栈”等10余家民宿已相继投用，节假日甚至一房难求。 在 VBench 1.0 认证榜中，头部模型集中在 84 分到 88 分之间，差距已经很小。 村民李秀滔的生活节奏也随之改变：冬天下山种花，夏天上山经营民宿和小吃店，过起了“冬育花、夏迎客”的日子。“以前守着老房子发愁，现在老房变‘金窝’。于是 VBench 在 2025 年推出 2.0 版本，将评测范围扩展到人类保真、物理、可控性、常识等维度，开始关注那些决定真实感、却容易被忽略的问题。 根据其 HuggingFace 官方榜单的认证视图，主要名次如下： 图：VBench-2.0 榜单：Veo 3 以 66.72% 居首（来源：HuggingFace Vchitect/VBench_Leaderboard，2026 年 7 月截图） 但 VBench 仍主要评价视频结果。
M | 画面可以逼真，模型却未必理解画面背后的规律。 WorldModelBench：回答"懂不懂" 如果视频生成模型被称为“世界模型”，它就需要接受更严格的检验。 2025 年，来自 UC Berkeley、UC San Diego、NVIDIA 和 MIT 的研究者推出 WorldModelBench，把模型放进物理和常识环境中测试。 紫云村的“破圈”不止于住宿。村里系统梳理闲置资源，推出共享茶吧、共享营地、共享菜园、共享茶园等业态，构建“可游、可憩、可体验”的乡村生活场景。村民易爱明依托共享菜园发展订单农业，与游客建立稳定供销关系，紫云土豆、绿茶等土特产成了“俏手货”，仅此一项，每年就可增收超万元。 该评测覆盖机器人、驾驶、工业、人类活动等 7 大领域，包含 350 条提示词和 6.7 万条人工标注，从指令遵循、物理规律、常识三个维度打分。其中物理遵循占总分一半。
N | “我们把闲置老屋、荒地利用起来，让资源变资产、资产变收益。原因很简单：世界模型最重要的能力之一，是预测物体在真实世界中会如何变化。”紫云村党支部书记郑财登说，据不完全统计，通过发展乡村旅游，紫云村村民年人均增收2万多元。 结果显示，即使表现最好的模型，也只有 61% 的视频正确完成指令；12% 的视频违反质量守恒，11% 出现物体互相穿透。
o | “乡村CEO”进村，老村添新韵 一场关于“美”的规划正在紫云村进行。
p | 模型能生成一个看起来合理的世界，但距离真正理解世界，还有明显距离。 图：WorldModelBench 官网榜单（来源：worldmodelbench-team.github.io，2026 年 7 月截图） RoboTwin 2.0：回答"动不动得了" 世界模型终究要服务于行动，再往拼图下游走一格，机器人能否干活便成了一个很重要的维度。
q | 围绕设计师民宿规划，“乡村CEO”虞一为摊开图纸，与村委、设计团队围坐商讨空间布局、风貌保留和功能升级。 RoboTwin 2.0 由上海交大 ScaleLab 与港大 MMLab 主导、上海人工智能实验室参与。
r | “‘乡村CEO’不是来发号施令的，而是‘搭戏台的人’。”初入紫云村，虞一为便被这里的四季气质打动：春天云海茶园，夏秋枕蝉避暑，冬天雪落如童话。他带着团队全面摸排资源家底，反复调研论证，敲定了“里外联动、动静相融”的差异化思路。它包含 50 个双臂协同操作任务，抓取交接、工具使用、可形变物体操作，跑在 SAPIEN 仿真器上，支持 Aloha-AgileX、ARX-X5、Piper、Franka、UR5 共 5 种双臂本体，配套一个 731 个实例、147 个类别的物体库，通过 Easy 和 Hard 两种环境，测试机器人能否从仿真走向更复杂的真实世界。 “里村深耕‘静业态’，主打康养休闲、传统手工业；外村激发‘动活力’，聚焦文旅消费、特色体验，让不同偏好的游客都能找到专属体验。”虞一为说。 思路既定，内村设施率先升级：旅游公厕、农家餐厅相继建成，荷花池景观、村内巷道完成改造，中共周墩中心县委旧址红色研学基地配套同步完善；外村则创新改造夯土房，打造“日咖夜酒”复合体和茶小院等新业态，招引青年创业力量。
s | 早期结果显示，在 Hard 设定下，多数方法成功率仍低于 20%。机器人能够完成特定任务，但距离稳定、泛化地完成任务还有很长距离。
t | 走进“日咖夜酒”小店，来自法国的主理人天策忙得脚不沾地。 图：RoboTwin 2.0 官方榜单（来源：robotwin-platform.github.io，2026 年 7 月截图） 三张榜单，三种能力，各自有发布机构和评分体系。“这里不仅有风景，更有发展潜能。”天策说，下一步将继续丰富业态、打磨细节，给游客更沉浸的乡村体验。没有一张榜单能独自定义世界模型，放在一起，他们才勾勒出一条从生成、理解到行动的能力链。但这个链条还缺少一个最关键的环节。
u | Physics-IQ：回答"准不准" 人类做很多动作时，会下意识在脑中预演结果。推一下杯子，它会滑多远，会不会翻倒；倾斜水壶，水会从哪里流出来；把两块磁铁靠近，它们会吸住还是弹开。 机器人也需要这种能力。它必须根据眼前的状态，预测几秒后会发生什么，再决定下一步动作。视频世界模型经常在这里犯错。这类预测如果不准，后面的规划和执行都无从谈起。 测量这一底座能力的基准叫 Physics-IQ，由 Google DeepMind 与 INSAIT 联合推出，论文发表于 WACV 2026。
v | 2026 年 6 月，原团队联合 Anates Labs 发布修正版 Physics-IQ Verified，修正了 57.6% 的样本标注问题，改用逐样本加权计分。 酒香也怕巷子深。
w | 它的设计与前述榜单都不同：研究者真实拍摄了 66 个物理实验，覆盖固体力学、流体、光学、热力学、磁学五大类，每个实验 3 个机位、实拍 2 次，共 396 段 8 秒视频。模型只看前 3 秒，预测后 5 秒会发生什么，再与真实拍到的后续画面比对。虞一为和团队持续通过内容营销、活动策划、社群运营等方式，精准撬动江苏、浙江等周边市场。江苏游客方利仁本打算短途游，却在这一住就是一个多月：“来了就不想走，明年暑期我还会再来。4 项指标合成一个 0 到 100 的 Physics-IQ 分数，并用同一场景两次实拍之间的差异做归一化：真实世界自己重拍一次都不会完全相同，模型的预测就被拿来和这种自然波动比较。” 眼下，紫云村农文旅综合体民宿项目即将落地，旧茶厂改造也在紧锣密鼓地推进。“我们将坚守乡土本底、深耕美学赋能，让老村落焕发新活力，让紫云村真正成为宜居、宜游、宜业的和美乡村。”虞一为说。 Physics-IQ 考察的是更底层的问题，即这个模型是否真的理解物理。
x | 这也正是图灵奖得主 Yann LeCun 多年来反复主张的观点，“AI 需要建立关于世界的内部模型，而不是只会生成内容”。
y | 他担任 Meta 首席科学家期间， Meta FAIR 便把 Physics-IQ 当作核心评测基准。
z | 然而翻开 Physics-IQ 的官方榜单，排在第一的却并非 Meta 的模型，也不是英伟达投入重金的Cosmos，而是一个中国的视频生成模型。 2025 年 4 月 21 日，Sand.ai 的 Magi-1 以 56.0% 的得分上榜登顶。当时的榜首、Google 的 VideoPoet 只有 29.5%，Magi-1 几乎把这个数字翻了一倍。从那天算起，Magi-1 系在第一名的位置上坐了约 13 个月，中间只离开过三周。 这张表有三种读法。 看裸模型：前三名里有两个建立在 Magi-1 之上，Magi-1 的 56.0% 是 v2v 设定下的裸模型最高分，远高于 Sora 2 裸模型的 42.3%，Cosmos3-Super 裸模型的 59.7% 出自不同设定，两者不直接可比。 看增强系统：2026 年 5 月，英伟达最新发布的旗舰世界模型 Cosmos3-Super 加持 WMReward 后冲到 63.4%，短暂登顶约三周；6 月 17 日，基于 Magi-1 的增强系统以 64.5% 重回第一。 图：Physics-IQ 官方榜单：Magi-1 系居首，Sora 2 裸模型 42.3%（来源：physics-iq.github.io，2026 年 7 月截图） 再看修正后的新榜：2026 年 6 月发布的 Verified 版本上，Magi-1 24B 增强版 58.2 分排第一、裸模型 48.4 分排第二，Cosmos3-Super i2v 39.5 分，Sora 2 只有 26.5 分。 图：Physics-IQ Verified 修正榜（来源：physics-iq-verified.anates.ai，2026 年 7 月截图） 把两张榜单放在一起看，会出现一个反常识的画面。OpenAI 的 Sora 在 VBench 这类回答"像不像"的榜单上名次并不难看，到了 Physics-IQ 上，Sora 2 裸模型只有 42.3%，不足榜首 64.5% 的三分之二；Verified 新榜上只有 26.5 分，不及榜首 58.2 分的一半。
| 生成得逼真，和预测得准确，被证明是两回事。
| 把视频生成做成"预测下一个词" Magi-1 赢在哪里？论文给出的答案是架构选择。 当下主流的视频生成模型，Sora、Kling 等，走的都是扩散路线：一次性生成整段视频，所有帧同时去噪，彼此之间没有严格的时间先后。 而Magi-1 的做法更像语言模型预测下一个词：按时间顺序逐块生成，每块 24 帧，块内部用扩散去噪保证画质，块与块之间自回归衔接。通过 block-causal attention，后来的帧不会影响过去的帧，过去一旦被写下，就不再被影响。 图：Magi-1 逐块自回归生成与块因果注意力示意（来源：SandAI-org/MAGI-1，arXiv:2505.13211） 这个架构天然更接近世界模型该做的事：根据世界的此刻，推演下一秒。
| 它还带来几个工程上的特征：支持流式生成，视频可以边生成边播放；理论上可以无限长地续写下去。对世界模型而言，这意味着推演的时间跨度不受窗口限制，仿真可以一直进行，还可以逐块更换提示词，控制后续走向。 如果把关键词从“生成”换成“预测”，Magi-1 和 LeCun 主张的 JEPA 路线便有了一种理念上的深层呼应。LeCun 在 2022 年发表立场论文《A Path Towards Autonomous Machine Intelligence》，提出 JEPA 架构：不在像素空间预测世界，而在表征空间预测，主动忽略那些不可预测的细节。这条路线后来长成一个家族：I-JEPA、V-JEPA，再到 2025 年的 V-JEPA 2，用百万小时视频训练，其衍生版本可以做零样本的机器人规划。 图：Yann LeCun 在 2026 年 6 月巴黎 VivaTech 演讲（来源：La Ecuación Digital） 一个在像素世界里逐块自回归，一个在表征空间里做预测，虽技术方案完全不同，但都指向同一个判断，即能够预测物理世界变化是世界模型的必要条件。 尺子一旦出现，叙事便有了边界 在WAIC 的论坛上，"世界模型"被反复提起。7 月 19 日的一场人形机器人与具身智能论坛，主题之一正是"标准体系不统一"。开幕当天有观察文章写道：通用世界模型正在成为人形机器人的新竞争壁垒。 竞争的坐标系确实在平移。过去几年，视频模型的发布会比的是"像不像"：分辨率、时长、美学分。Physics-IQ 这类榜单的出现，把问题换成了"物理世界变化预测的准不准"。
| 它的价值不在于新添了一张榜单，而在于把世界模型从一个抽象概念，拉回到具象的物理世界：杯子会怎么倒，水会怎么流，光会怎么折。这些东西没法靠话术修饰。坐标系的变化不会写在任何一场发布会的邀请函上，但它会决定下一年资本流向哪里、人才流向哪里。 榜单会迭代，名次会更替。但标准一旦确立，理解行业的方式必然会被改写，模糊的叙事也就有了相对清晰的边界。
| 尺子一旦有了，量出什么，就是什么。
|
Current article:http://cw4b.banhuannunuluchuaiguangenru.sbs/news/20260826_8725842.html
Published on:06:37:56