在繁忙的药房里，机器人能精准抓取药盒，这得益于它的“具身大脑”。如今，让机器人真正聪明的两大核心技术是VLA（视觉-语言-动作模型）和世界模型。简单来说，VLA解决“怎么干”，让机器人能看、能听、能动手；世界模型则解决“想清楚再干”，在行动前推演结果，预演未来。

目前，VLA已在上海的药房和工厂规模化上岗，但换新环境往往需重新适应。为此，世界模型开始进场。智元、擎朗等企业正将两者融合，让机器人“干活前先想一遍”，大幅提升了陌生场景下的成功率。不过，世界模型仍面临推演速度、物理拟真度和海量训练数据等挑战。

作为具身智能的“试验田”，上海呈现出百花齐放的态势。从大晓机器人在便利店拣货，到它石智航在汽车产线装配，再到人工智能实验室里的精准移液，多种技术路线正在真实场景中并行验证。

同时，政策与标准也在加速跟进。国家与上海的相关规划及标准体系，均将“具身大模型+世界模型”融合技术列为重点，并着手建立多维度评测体系。

从“看懂世界”到“预演下一步”，机器人正从“会干活”向“靠得住”蜕变。而检验它们的唯一标准，就是在真实世界中是否真正可靠。