Mesa-redonda WAIC 2026: a inteligência geral incorporada precisa primeiro superar cenários específicos; no futuro, o foco da concorrência se desloca para a obtenção de dados de alta qualidade e validação de fechamento de ciclo de cenários

据 动察 Beating 监测, a vice-reitora da Fudan University, Jiang Yugang, o sócio da Unitree Robotics, Yao Mouqing, o CEO da Tshi Zhi Hang, Chen Yilun, e o CEO da Liangyuan New Creation, Jiang Xu, fizeram uma conversa em mesa-redonda na 2026 World Artificial Intelligence Conference, discutindo o World Model. O consenso dos convidados é que o núcleo de um World Model está em compreender as leis de funcionamento do mundo físico e prever o próximo estado ou ação, e não apenas renderizar imagens; é necessário dominar nativamente a fusão multimodal, leis físicas, raciocínio causal e capacidades de previsão de longo alcance. O maior gargalo atual está nos dados — Chen Yilun aponta que faltam ao conjunto de dados de vídeo modalidades-chave como força e tato; os dados de treinamento ideais precisam atender a três condições: modalidades completas, interações de alta frequência e que sejam provenientes de cenários reais. Além disso, para a inteligência incorporada, o custo de operar é alto ou pode exigir dados de interações reais por dezenas de milhões de horas. Yao Mouqing fez uma analogia com a quantidade de treinamento de voz de bilhões de horas em modelos de linguagem, estimando que o mundo físico pode exigir «mais de cem milhões de horas» de dados reais para dominar previsões físicas de senso comum. Na perspectiva da arquitetura, Jiang Xu diz que as arquiteturas atuais dominantes misturam o processamento de previsão de estado e previsão de ação, levando a conflitos entre capacidades de geração e de compreensão, tornando difícil otimizar as duas ao mesmo tempo.

Em termos de caminho para colocar em prática, os três convidados veem a indústria manufatureira como o cenário de escala mais certo para os próximos três anos:

Yao Mouqing revelou que a Unitree Robotics já alcançou operações de seis dias e sessenta mil peças na linha de produção, com taxa de sucesso de 99,99% em trabalho de formação robótica;

Chen Yilun aposta na manufatura, com razões incluindo alta concentração de dados, tarefas com critérios claros de conclusão e grande quantidade de dados de demonstração humana. A Tshi Zhi Hang já colaborou com montadoras para avançar a implantação de um cluster de robôs industriais de inteligência incorporada em escala de mil unidades, e enfatizou que a manufatura chinesa é a mais concentrada do mundo, sendo o ambiente de testes ideal para IA física;

Jiang Xu acredita que a inteligência incorporada é uma extensão de modelos grandes multimodais. A internet já tem 10 bilhões de horas de dados de vídeo adequados para pré-treinamento; a mudança de capacidade deve primeiro aparecer em cenários cotidianos como lares e escritórios, mas a comercialização precisa atender a condições de alta tolerância a falhas. Ele também disse que encontrar cenários para modelos grandes não é tão mais simples quanto treinar modelos.

O consenso entre as três partes é que, no momento, ainda estamos longe da inteligência incorporada geral; a quebra em cenários específicos é uma etapa inevitável. No futuro, o foco da competição deve se deslocar da arquitetura do modelo para a capacidade de obter dados de alta qualidade e de validar o ciclo fechado do cenário.

Clique no link do texto original abaixo e entre no canal de notícias de IA da Feishu da Beating · Beating, com monitoramento ininterrupto 7×24 horas de hotspots e notícias de IA ao redor do mundo.