封硕：世界模型的 Scaling Law，不在参数里，在数据里

世界模型要 Scale，先得解决数据。参数量还在后面。

9 月 17 日，清华大学自动化系副教授、博士生导师、系统工程研究所副所长封硕，围绕《物理世界模型的 Scaling Law》分享了一个与主流叙事不太一样的判断：

「世界模型的起点不是本体，一定是数据。」

过去几年，具身智能的讨论总是先谈机器人本体、VLA、端到端模型和泛化能力。

但封硕先问了一个更早的问题：物理世界的数据从哪里来？如果数据始终昂贵、稀缺，机器人又进不了大规模真实场景，世界模型靠什么持续训练？

先把账算清：数据从哪里来，谁来承担成本。

这件事没解决，物理世界模型就很难真正 Scale。

01

机器人不能像人一样，在现实里“长大二十年”

围棋是最容易说明问题的地方。

棋盘有限，规则明确，下一步会发生什么，有清楚的状态转移。AlphaGo 可以在真正落子前，在内部做大量搜索和模拟。

游戏再复杂，重来一次的成本也不高。角色死了能重来，时间可以加速，环境可以反复 reset。

物理世界把这层保护拿掉了。

时间不会倒流，设备有成本，动作失误还可能带来安全风险。机器人去真实环境采数据，也不是点一下按钮就能无限复制。

封硕提到，人可以花二十年成长、试错、积累经验，最后进入复杂社会。机器人等不了这么久。我们不能让它在现实里“长大二十年”，再把它送进工厂、家庭或公共环境工作。

机器人得在出厂前，先对这个世界有点数。

人走到一条河边，不会先在脑中求解流体方程。我们看水流、深浅、河床和落脚点，凭经验判断能不能过去。迈出第一步后，身体给出的反馈又会让我们调整判断。

这就是人处理物理世界的方式。

在封硕看来，机器也得先知道什么可能发生、哪一步风险更高。进到真实场景后，再靠反馈修正。

02

大语言模型继续变大，能不能绕开世界模型？

现场有人把问题挑明了。

今天的大语言模型、多模态模型已经表现出一定的物理理解能力。未来，能不能让更大的模型先理解问题、调用代码和仿真，再解决物理世界中的大多数任务？

封硕没有把话说死。

这条路有可能走通。

模型可以把一个物理任务转成数据问题、程序问题或仿真问题。遇到难处，再调更多算力推演。视频模型也可能从大量视觉数据里学到一部分物理规律。

他更在意的，是这条路要绕多少圈、花多少成本。

模型如果一直要经过文本、图像、视频、符号和程序这些层，才能理解物理世界，答案或许算得出来，路却绕得很远。

封硕用柏拉图“洞穴投影”来形容这种差异。我们看到的，也许只是物理世界投下来的影子，还没有摸到规律本身。

人对物理世界的认知更直接。

拿杯子、踩台阶、推开一扇门时，我们不会每次都做一次严密计算。很多判断来自经验，形成内在模型；行动之后，再用反馈修正它。

在封硕的设想里，语言模型和世界模型各管一摊：前者处理逻辑、符号和推理，后者处理物理直觉、行动预判和真实反馈。

两种能力接上，机器才可能真正理解并行动。

于是问题落回数据：这个模型拿什么训练？

03

真正稀缺的，不是机器人，而是可 Scale 的物理数据

算力、算法、数据，是解释 AI 增长最常用的三件套。

过去，算力沿着摩尔定律持续提升；算法依赖学术界和产业界长期探索；互联网中的文本、代码、图像等内容，则为大模型提供了海量训练材料。

物理世界最麻烦的，恰恰是数据不会自己堆起来。

互联网数据是人类长期生产、自然沉淀下来的。物理数据往往得专门去采：买设备、搭场景、安排人员、设计任务，还要承担磨损和失败成本。

封硕认为，当前具身智能和物理世界模型的核心瓶颈，就是数据规模不足。

问题出在这里：机器人很难复制自动驾驶的数据飞轮。

封硕用 Waymo 和特斯拉的路线作了对照。

一边是高成本的专用车辆、传感器和测试体系。每多采一份数据，都要继续投入人力、设备和时间。

另一边依托量产车。即便没有高阶智能驾驶功能，车依然能被用户购买和使用。用户日常驾驶产生的数据，也能自然回流到系统里。

后一条路能形成规模，关键在于数据产生的边际成本更低。

机器人更难。

一辆没有智能驾驶能力的车，还是车。一台没有足够智能的机器人，很多时候连稳定任务都做不了，更难大规模卖到真实用户手里。

没有用户规模，数据就难以自然产生。数据跟不上，模型也很难变好。

这个循环，靠多买几台机器人很难打破。

04

路径要倒过来：先做数据，再做模型，最后赋能本体

过去大家习惯按这个顺序做：

本体 → 数据 → 模型

先造机器人，再让机器人进场景采数据，最后用数据训练模型。

本体还不够好，进不了足够多的真实场景；数据规模起不来，模型能力就难提升；模型不成熟，本体也很难产生稳定价值。

封硕给出的顺序倒了过来：

「先做数据，再做模型，最后赋能本体。」

本体当然重要，但早期更该先解决数据源。

什么样的数据，才值得拿来训练世界模型？

第一，边际成本要接近于零。

封硕问了一个关键问题：如果不做世界模型，这些数据会不会也自然产生？

如果会，数据成本就不需要全由世界模型项目承担。车辆在真实行驶中天然生成驾驶数据。真正可持续的数据源，也应该嵌在已有的真实场景和真实业务里。

第二，数据中必须包含物理世界的基础知识。

它未必覆盖所有触觉、力学和复杂交互，但至少要帮助模型理解空间关系、状态变化、物体运动，以及动作可能带来的后果。

封硕特别提到，即便暂时无法完整建立动力学模型，只要能让模型对运动规律形成基础直觉，这类数据就有价值。

第三，数据源必须可以扩展。

项目一开始，就要问这条路能不能放大一万倍、十万倍。

技术环节暂时不成熟，可以慢慢补。但数据源本身如果卡在难以突破的物理成本上，后面模型再大、融资再多，也很难换来真正的规模化。

所以这条 Scaling Law，第一眼要看的不是参数，而是数据。

看它的边际成本，看它有没有物理知识，看它能不能持续扩展。

05

算法不能脱离数据单独讨论

大模型时代，很多讨论从模型结构、参数规模和训练方法开始。

封硕把算法问题也拉回了数据：算法要围绕数据设计。

数据来源如果天然昂贵、分布狭窄、难以扩展，再精巧的算法也很难长期支撑模型 Scaling。

先找到低边际成本、物理知识密度足够高、能够持续扩展的数据，算法才有空间围绕它建立有效的训练和迭代方式。

数据决定了这条路线能不能继续跑。

模型变好后，可以帮助机器人获得更好的感知、预测和行动能力；更成熟的机器人进入更多真实场景后，也可能带回更高价值的数据。

这个 Loop 要启动，第一步不是盲目增加本体数量。

先找到一个能让数据持续流动的真实入口。

这也是 DenseAI（幂级智能）成立的出发点：把世界模型带进真实产业场景，让场景、数据和模型真正形成闭环。 

06

从会拆发动机，到能造出新发动机

封硕最后换了个很具体的比喻：拆发动机。

第一阶段，是理解特定系统。

拆开一台发动机后，能够把它完整装回去。

第二阶段，是泛化能力。

拆过不同厂商、不同型号的发动机之后，能够理解其中共通的物理规律，处理此前没有见过的系统。

第三阶段，才是创造能力。

不只理解和复现现有系统，还能设计出此前不存在、性能更好的新系统。

这三步，今天的机器人还没有走完。

机器人要在物理世界做事，得会说、会推理，也得理解环境、对象和行动后果。

机器能不能做到这些，最后还得看数据够不够。

世界模型要走出 Demo、走进真实世界，得先回答三个问题：数据从哪里来，成本谁来承担，规模怎么上去。

这也是封硕所说的 Scaling Law：先找到一条能持续产生真实物理数据的路，再谈更大的模型和更多的机器人。

DenseAI 也希望沿着这条路径，把封硕团队近十年的科研积累带向产业一线，让世界模型真正成为物理 AI 走向真实世界的能力底座。