这次 IPO，模型研发成了宇树最大的单一募投方向：42.02 亿元募集资金中，20.22 亿元投向智能机器人模型研发项目，11.10 亿元用于机器人本体研发，其余资金用于新型智能机器人产品开发和智能机器人制造基地建设。
上市次日，王兴兴在世界机器人大会（WRC）上，回顾了宇树的模型研发之路——" 在 2020 年年初，我们就开始做基于视频生成的世界模型方向，当时做的效果不是特别理想，中间搁置了一段时间。" 他透露，去年公司再次聚焦这一方向。" 我们对 AI 模型的投入一直是非常大的，应该是公司目前资金和人力投入最大的一个方向。"
时间倒回宇树上市前一天，工信部科技司副司长甘小斌在中国人工智能产业发展联盟第十八次全会的致辞中指出，下一步将把握变革机遇，一体化推进技术创新、应用落地、生态培育、安全治理，包括要以技术攻关为驱动，加快智能芯片等关键核心技术攻关，探索类脑智能、世界模型、物理模型等前沿技术。
▌为何是世界模型？
在 2026 世界人工智能大会（WAIC2026）上，行业专家已形成标准化界定，区分 " 视觉生成模型 " 与 " 物理原生世界模型 "。
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：多模态融合感知的能力、物理规律认知的能力、因果长时序推理的能力、闭环自迭代的能力。
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。
在 8 月 19 日的宇树上市答谢午宴和次日 2026 世界机器人大会上，王兴兴都在发言中都谈到了宇树最近在做的一件事：物理 AI 机器人模型自进化。
让 AI 模型自行编写机器人的控制代码，随后在仿真环境进行训练和验证，再放到真机中进行反馈分析。他表示，基础模型越强，自进化能力越强；多源数据越规模化，自进化的规模效应越明显；真机部署越多，数据积累和能力迭代也会越快，技能累加扩展，走向规模化技能生态。
这种 " 真机 - 数据 - 模型 " 的闭环，正是物理 AI 行业的一大主要技术趋势，也解释了为何宇树会瞄准世界模型。
中信建投研报显示，物理 AI 正接棒成为下一阶段 AI 增长的核心变量。物理世界数据作为贯穿感知至反馈的关键引擎，面临巨大需求刚性缺口。受制于保真、规模与成本的 " 不可能三角 "，物理世界数据获取倒逼行业有望迎来三重变革：商业模式端通过社会化众包采数，技术范式端依托世界模型虚拟造数，资产属性端跃升为企业高溢价核心无形资产。
其中，技术环节，基于 " 种子数据为基、世界模型扩容、持续学习闭环 " 战略，打造 " 虚拟扩容与持续闭环 " 的造数引擎，打破物理时空限制，将商业侧采集到的种子数据实现指数级放大。
▌巨头混战
当然，世界模型早已不是新概念，从科技巨头到技术大牛，都早已挤上了这条赛道。
比如英伟达今年 6 月发布了 " 全能 " 世界模型 Cosmos 3，是全球首个完全开源的全能模型，黄仁勋表示 " 得益于多模态推理语言、视觉和世界模型的突破，物理 AI 爆发式增长指日可待 "；谷歌此前发布 Genie 3，可实时生成交互式 3D 环境，除了游戏外还能为机器人或自动驾驶系统提供多元化训练场景。"AI 教母 " 李飞飞、Meta 前首席 AI 科学家杨立昆各自创办的初创公司，也都是瞄准了世界模型。
谷歌 DeepMind 首席执行官兼联合创始人 Demis Hassabis 去年末还曾直言，世界模式是他彼时投入最多时间的领域，世界模型将是通往 AGI 的关键部分。
站在当前，世界模型可以说还是处于较为初期的发展阶段，技术发展路径仍是一片 " 混战 "。分析师按照技术定位，将各家的世界模型划分为三大类：通用底座型、垂直专用型与跨域复用型。
通用底座型以能力输出为核心，其中，通用时空认知基座专注物理规律与因果推演，代表性模型包括英伟达 Cosmos 3、Meta V-JEPA 2、Google Genie 3；场景仿真型底座面向特定范畴提供标准化仿真基建，代表性模型包括国外的 Runway GWM-1、World Labs Marble，国内的腾讯 HY-World 2.0、阿里 HappyOyster 等。
垂直专用型锁定单一场景，自动驾驶领域以 Waabi Copilot4D、Wayve GAIA、蔚来 NWM 等为代表，具身智能以 1X World Model、流形空间 WorldScape 0.2、高德 ABot-PhysWorld 等为代表。
跨域复用型作为产业新趋势，以特斯拉 FSD World Simulator 和小米 MiMo-Embodied 为代表，头部厂商率先构建横跨自动驾驶与具身智能的统一潜空间，实现技术与数据的跨场景协同。
世界模型为物理系统提供了两类关键能力，一是在行动前进行推演和风险预判，二是生成大规模合成训练数据，缓解真实世界数据采集昂贵且危险的问题。
国泰海通证券认为，虽然现在世界模型多是技术产业案例，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。
分析师进一步指出，世界模型的竞争本质是 " 下一代智能基础设施 " 定义权之争。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。
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。
