VLA 已死，WAM 当立：机器人的 GPT 时刻到了吗？

📌 一句话摘要

本文围绕英伟达 Jim Fan 提出的「VLA 已死，WAM 当立」论断，深入分析了世界动作模型（WAM）相比视觉语言模型（VLA）在泛化能力、数据来源和长程任务上的突破，同时冷静审视了 VLA 在精细控制、部署效率和工程成熟度上的不可替代性，并探讨了技术路线切换对具身智能创业公司的冲击。

📝 详细摘要

文章以英伟达机器人负责人 Jim Fan 在红杉 AI Ascent 2026 大会上的争议性发言为引子，系统梳理了具身智能领域从 VLA 到 WAM 的技术路线之争。文章首先指出 VLA 的核心问题在于其依赖遥操作数据训练的「条件反射」式学习，导致泛化能力脆弱。随后阐述了 WAM 的三大突破：通过物理想象力实现泛化能力跃升（零样本场景表现提升 33%）、利用海量互联网人类视频打破数据瓶颈、以及显著提升长程任务能力（如 Motubrain 可完成十个原子动作）。文章列举了银河通用 LDA-1B、生数科技 Motubrain、智在无界 Being-H0.7 等国内团队的进展，以及英伟达 DreamZero 等海外成果。然而，文章并未全盘接受「VLA 已死」的论断，而是冷静分析了其背后的商业叙事（英伟达推动高算力消耗路线），并指出 WAM 在精密装配、推理延迟、数据与算力门槛上的不足。文章强调，VLA 在毫米级精度、实时部署、工程成熟度和工业体系兼容性上仍有不可替代的价值，未来更可能的路径是两者深度融合。最后，文章将视角转向创业公司，分析了技术路线快速切换带来的沉没成本风险、人才市场震荡、产品价值存疑和资本市场耐心下降等严峻挑战。

💡 主要观点

- WAM 通过物理想象力实现了泛化能力的跃升，并打破了 VLA 对昂贵遥操作数据的依赖。 WAM 让机器人在执行动作前预演物理结果，使其能适应陌生环境；同时，它可利用海量互联网人类视频进行训练，大幅降低数据获取成本，这是其相比 VLA 的核心优势。

「VLA 已死」的论断背后存在英伟达的商业叙事，旨在推动更高算力消耗的技术路线。 WAM 对 GPU 算力的需求远超 VLA，作为芯片供应商，英伟达有动力推广更「吃」算力的技术，这提醒读者需区分客观技术突破与被商业立场放大的预期。

VLA 在精细控制、部署效率和工程成熟度上仍有 WAM 难以替代的价值。 在需要毫米级精度和实时响应的精密装配、手术辅助等场景，VLA 的轻量化架构和低延迟优势明显；且其生态工具成熟，创业团队可快速搭建可用系统。

技术路线的快速切换给押注 VLA 的创业公司带来了沉没成本、人才震荡和融资压力。 大量初创公司围绕 VLA 投入巨资构建数据采集和团队，WAM 的兴起导致这些资产面临重新估值，人才需求转向，投资人也因技术未收敛而更加审慎。

💬 文章金句

- VLA 学习到的是一种极其脆弱的、标准化的「条件反射」，很难推广到复杂的现实场景。

WAM 试图让机器人在执行动作之前，先在内部模型里预演一下：这个动作之后，物体会怎么移动，液体会怎么流动，整个场景会发生什么变化。
WAM 让机器人第一次拥有了从互联网视频中自学物理世界的可能性。
「VLA 已死」是一个极具传播力的口号，但把它当成技术判决书来读可能为时过早。它更像是一声警钟。
在这个行业，选对方向比埋头苦干重要得多。而选对方向的窗口期，正在变得越来越短。

📊 文章信息

AI 初评：86

来源：脑极体

作者：脑极体

分类：人工智能

语言：中文

阅读时间：18 分钟

字数：4356

标签： VLA, WAM, 具身智能, 机器人, 世界模型

阅读完整文章

VLA 已死，WAM 当立：机器人的 GPT 时刻到了吗？

🤖 問 AI