统一个月，酷哇科技颁布了CooWAIM 2.0。前三个在刷榜，酷哇在刷街。它的测试场是常德某条辅路，主角是一台在贴边作业的无人排除车。 如果这时路口忽然冲出一辆逆行电动车，它不会停下来把整条街的三维画面在脑子里推演一遍，而是边减速边微调方向，在三百毫秒内实现避让。 酷哇有关掌管人把这个能力概括为一句话，CooWAIM 2.0在打麻将般的博弈和切菜式的精密操作中，比同类模型更快。他进一步诠释，就像人类打麻将时会预判他人反映、切菜时会感知食材触感，真正的智能源于作为与环境的实时关环。 这个关环自身并非酷哇独有。智元用GE 2.0建全职能世界仿照器，让机械人在虚构环境里试错进化。星动纪元走VLA与世界模型融合路线，用吩斓端到端买通感知与作为。北京人形则以国度队身份推动大一统物理智能回路。它们代表了当前世界模型的三条主路。 第一拨做视频天生，谷歌Genie 3、阿里Happy Oyster、OpenAI Sora，主题能力是天生真切的未来画面，一帧一帧预测像素变动。图灵奖得主杨立昆曾指出，预测像素变动不蹬宗理解物理世界，天生一段杯子掉落的视频，不代表模型懂得沉力和资料力学。但在舆论场里，视频天生和世界模型常被混为一谈。Meta的V-JEPA 2走另一条路，不渲染画面，只提炼物理法规的因果理解，像一位只看棋谱不摸棋子的理论派。 第二拨做自动驾驶仿真。Waymo、特斯拉、温反NWM，这拨人其实最老资格，早就在用关环仿真器测试极端路况、跑安全corner case，只是以前叫仿真器或数字孪生，天生式AI能力提升后，虚构场景真假难辨，顺势把名字升级成了世界模型。他们的主题工作是预测自车响应和交通流演化，作为空间被严格限度在方向盘、油门、刹车两三个自由度里，指标是预防接触，而非理解接触。 第三拨做机械人与具身智能。智元、星动纪元、北京人形都在这个堡垒，他们强调世界模型必须是作为前提化的，即预测的不是下一帧画面，而是我做了这个作为以来世界怎么变。这拨人要处置的是手指、伎俩、肩膀几十甚至上百个自由度的协调，要理解推杯子会不会倒、拧瓶盖用多大力、叠毛巾时布料若何形变。路路有车路线和交通灯，法规性强，家庭与工厂里的物体材质、摆放方式、工作指标变动巨大，没有天然的几何约束，数据状态和推算复杂杜纂自动驾驶不在一个量级。 自动驾驶的世界模型，主题是预防接触，作为空间就两三个维度。人形机械人的世界模型，主题是怎么接触物体，手指、伎俩、肩膀几十处关节共同，还得处置软体形变和摩擦力。从车到机械人，不是统一个模型放大，而是换了一个科场。 它从另一条路走过来，和中联环境成立合伙公司，在十七个城市跑智慧环卫，2021年营收就过了五亿元。首创人何弢早年提出先难后易，把最难的城市场景先啃下来，再降维做环卫和城配。五十PB非结构化真实世界数据和万台终端，意味着它的模型是在真实的雨雪、逆杏注拥挤里喂出来的。这份经验让它有资格做减法。 这种减法不是等技术成熟后拿来即用，而是基于自己的场景和数据，在世界模型的路线上做求实弃取。城市盛开路路的数据和运营网络，对同场景的移动智能有复用价值，但向人形精密操作迁徙，天堑仍在，目前未见公开验证。 CooWAIM 2.0的主题是DAWN架构，其底层为WAIM交互式世界作为模型。它不渲染高分辨率未来画面，而是通过Auto-Encoder Resampler�？�，将繁芜的视觉特点压缩成16个主题语义Token。 WAIM交互式世界作为模型通过在隐式空间中进行短程推演，与不推演（Fast-WAM）和全程推演后再执行作为预测的两个极端相比，获得了成效和效能上的最佳平衡 市面上有些世界模型遵循先预测后规划的范式，就像一幼我打麻将，必须先把所有人的出牌可能都推演完，再决定自己怎么出。这种单向滞后的方式，往往忽略了出牌自身就在实时改写牌局。 DAWN架构不再将世界预测和作为天生视为两个独立工作，而是让它们在推理过程中像争吵一样相互建改。模型在隐空间中进行短时推演，作为降噪器与世界预测器通过多轮迭代交互，实现边推演边执行。 这种交互式推演，刚益处于不推演与全程推演后再执行两个极端之间。不推演意味着盲动，全程推演再执行则意味着单向滞后。DAWN只推演2到3秒的短程未来，不赌长局。在nuScenes关环规划测试中，均匀轨迹误差降到0.33米，NAVSIM的PDMS得分89.1。 这种轻量化有价值。跟英伟达Cosmos那种千亿级参数的关源大模型比，酷哇的生态美满度和贸易配套成熟度的确弱。世界模型赛路目前也还没有统一尺度，从榜单到真实场景，中央隔着规�；�落地的天堑。 智元GE 2.0近期在WorldArena特定赛路登顶，星动纪元Ctrl-World拿下具身工作能力全球第一，北京人形Pelican-Unify成为双冠王，但这些成就重要产生在榜单和尝试室环境。作为新颁布的世界模型，它们的生态成熟度和真实场景验证周期仍待观察。对酷哇而言，固然已在智慧环卫、出行等领域堆集五十PB数据并实现万台级终端部署，但若何将这些数据优势转化为跨场景、跨本体的通用泛化能力，仍是行业共同面对的难题。大无数世界模型公司仍处于高投入期，数据采集成本极高，系统复杂，真正实现大规模贸易化盈利的企业仍是百里挑一。 酷哇的DAWN架构已经全面开源。在Robotaxi、城市服务、特种作业等高价值场景中，这种具备交互式物理推演能力的模型或许有更大设想空间，但目前重要关环仍在环卫与城配领域。世界模型赛路仍处于早期收敛期，技术蹊径尚未齐全统一。 酷哇科技技术掌管人暗示：“我们相信，世界模型的价值不在于被动描述未来，而在于让推演与行动在交互中共同演化。CooWAIM 2.0不仅是算法架构的升级，更是对‘智能源于交互’这一性质的回归。” 随着DAWN架构的全面开源，酷哇科技正推动具身智能从“单一工作执杏妆向“通用物理推理”演进。在Robotaxi、城市服务、特种作业等高价值场景中，这种具备“交互式物理推演”本能的机械人，或将沉新界说人机共存的城市生态。 当机械人不再只是“执行者”，而是能像人一样在作为与环境的互动中实时思虑，我们离真正的通用具身智能的确更近了一步，但这一步的逾越，仍必要功夫的沉淀与产业链的协同。