8月14日，智元机器人把7月亮相过的世界模型GenieEnvisioner（GE）正式开源，并再次打出“行业首个面向双臂真机的世界模型”的概念。

官方演示里，机器人连续完成做三明治、倒茶、擦桌、用微波炉、装箱等长链条任务，看上去已颇具“人味儿”。

不过，这份“人味儿”能否在已经沸腾的二级市场上再来一次“空中加油”，还要看周一开盘。

此前的7月8日，智元机器人公告，正在通过“协议转让+要约收购”拿下材料供应商上纬新材63.62%的股权。而自公告以来，上纬新材一路走出11个涨停，市值从30亿元最高冲到400多亿元。

可以说，智元还没把世界模型卖进工厂，就已经把自己市值的杠杆放大到了资本市场。

智元GE 视频截图

智元的GE做了什么？

从智元官方发布的信息中可以看出，GE的核心突破在于，构建了基于世界模型的以视觉中心的建模范式。

不同于主流VLA（Vision-Language-Action）方法依赖视觉-语言模型将视觉输入映射到语言空间进行间接建模，GE直接在视觉空间中建模机器人与环境的交互动态。

这种方法完整保留了操控过程中的空间结构和时序演化信息，实现了对机器人-环境动态更精确、更直接的建模。

智元表示，基于3000小时真机数据，GE-Act在跨平台泛化和长时序任务执行上显著超越现有SOTA，也为具身智能打开了从视觉理解到动作执行的技术路径。

此外，智元机器人团队还宣布，将开源全部代码、预训练模型和评测工具。

智元方面表示，这是行业内首个真正面向真实世界双臂机器人的世界模型。GE平台把“预测—控制—评估“环节整合到了一起，标志着机器人从被动执行指令，转变为主动“想象—验证—行动“。

换句话说，机器人能够像人类一样，在实际操作前于“脑海”中模拟并验证动作。

据介绍，借助GE模型，智元机器人已成功实现半身移动任务，包括制作三明治、倒茶、擦拭桌面、使用微波炉加热以及在流水线上进行装箱等五项任务的依次完成。

智元机器人 官方网站

“机器人公司不做大模型将没有未来。”此前，在智元机器人发布首个通用具身基座大模型智元启元大模型之后，智元合伙人、具身业务部总裁姚卯青和智元具身研究中心常务主任任广辉曾这样表示过。

目前的大语言模型，仍普遍存在推理时间长，实时性差等问题。搭载大语言模型的机器人，控制在线决策至少需50毫秒，一般延迟为1至5秒，完全无法满足工业场景3至10毫秒的需要。

而本次智元机器人推出的，就是基于目前大语言模型技术限制而生的世界模型，是以智能体身体与环境的实时感知和交互为基础，构建的用于理解、预测和适应环境动态变化的模型。

具体来说，世界模型能够让智能体通过 “想象” 不同行动策略的未来状态序列，提前规划好步骤，选择最佳方案来执行。

智元AgiBotWorld 视频截图

3000小时数据，其实可有可无？

从传播的角度来看，智元机器人发布的开源世界模型，确实可以说是一次“秀肌肉”。不过如果深入到技术上，事情可能会有不同。

世界模型所需要的的训练数据，远超目前还未铺开的具身智能机器人可以提供的能力。

在今年6月，Meta开源发布的V-JEPA 2世界模型就使用了超过100万小时的互联网视频和图像数据进行预训练，不依赖语言监督；而谷歌旗下DeepMind的Genie3则采用了大量游戏引擎生成的数据集，也有消息称Genie3的训练数据或包含谷歌旗下的知名视频网站YouTube的视频及更多内容（尽管DeepMind称对此“持谨慎态度”）。

与之相比，目前搭载具身智能的机器人普遍还处于探索阶段，能产生的真机数据量级并不大，就以智元机器人本次训练使用的3000小时数据来说，其实对于世界模型能力本身的训练提升作用，微乎其微。

3000小时的真机数据对世界模型本身的能力增益，就像往长江里倒一桶纯净水——有比没有好，但没人靠它涨潮。

其实，关于具身智能机器人的数据需要，行业也存在争论：另一部分观点认为，世界模型的能力提升，与具身智能领域的数据多寡之间，并无强关联。

此前，在2025世界机器人大会上，国内具身智能领域另一龙头企业宇树科技的创始人王兴兴曾表示：“目前全球范围内，大家对于机器人数据问题的关注度，都有点太高了。现在最大的问题其实反而是模型。”

他认为，目前具身智能和机器人的模型架构不够好，也不够统一。

“在大语言模型领域，当有了足够多的好数据时，就能把模型训练得越来越好。但是在具身智能领域，会发现在很多情况下，数据采了却用不起来。大家对模型的关注目前是相对有点少，反而对数据关注有点太高了。”