2026年2月，英伟达机器人主管Jim Fan提出“世界建模”将成为新一代预训练范式，预测2026年将是大世界模型（Large World Models）为机器人领域及多模态AI奠定基础的关键一年。他认为，世界建模的核心在于通过动作预测下一个合理的世界状态，不仅限于RGB视频帧，还需涵盖3D运动、触觉等多模态数据。相比以语言为中心的视觉语言模型（VLM），世界模型更注重物理智能，减少对语言的依赖。Jim强调，视觉推理将取代语言推理，成为解决物理问题的新方式。业内专家如Google DeepMind的Jack Parker-Holder也认同世界模型可连接虚拟与物理领域，但指出从像素到物理的跃迁仍面临几何一致性、实时性等挑战。与此同时，李飞飞创办的World Labs和LeCun的AMI Labs正加速商业布局，分别以50亿美元和35亿美元估值融资，推动技术落地。

2025年12月13日，在第八届GAIR全球人工智能与机器人大会上，中山大学王广润博士分享了《创新基础模型，强化物理世界建模》的主题演讲。他提出通过新一代AI架构赋能物理世界建模的精准化与高效化，强调空间建模模块具备自适应能力，大模型微调仅需调整少量参数即可适配新环境。他还介绍了团队研发的具身大模型E0，采用全新离散扩散方法，在精细操作和复杂任务中表现优异。此外，团队搭建了一个无人化物理智能测评平台，支持远程调用实验室机器人完成真实场景评测，推动具身智能领域的公平性与实用性发展。