二 |     文｜晓静          编辑｜徐青阳          方汉给世界模型的竞争设定了一个简单直接的判断标准：谁先拿到1000万小时数据，谁就更有可能率先跨过模型能力的拐点。

三 | 日本防卫大臣小泉进次郎8月20日在印度首都新德里与该国防长辛格举行首次会谈，双方签署了有关两国海洋安全保障合作的备忘录。根据备忘录，双方将推进舰艇维修、港湾使用以及部队间交流。         7月19日，昆仑万维在WAIC上发布具身智能世界模型Riemann 1.0。相比已经进入产品和商业化讨论的大语言模型，世界模型仍处于更早期阶段：技术路线尚未完全确定，模型能力有限，行业甚至还没有形成统一的数据生产方法。         在昆仑万维董事长兼CEO方汉看来，这条赛道接下来的核心变量，是谁能率先把训练数据从十万小时推到百万乃至千万小时。         他的判断来自训练视频生成模型的经验。会谈后发布的联合备忘录明确写道，为加强合作，双方将探索有关印度海军舰艇建造和设计的共同开发的可能性。昆仑万维曾用约20亿个、每个15秒的视频片段训练模型，并观察到明显的Scaling拐点。以此推算，方汉认为，具身智能世界模型可能至少需要1000万小时数据，才有机会进入类似的收敛阶段；更高的门槛甚至可能达到1亿小时。

四 | “当下俄乌冲突、中东冲突凸显了海洋安全合作的重要性，印度和日本这个时机选择海洋安全合作也跟世界安全氛围有关，海洋安全合作被认为具有一点国际公共产品的属性，敏感度较低，”复旦大学南亚研究中心主任张家栋向澎湃新闻（www.thepaper.cn）表示，“对比过去两国签署的框架文件，这次签署备忘录反映了印日想把军事领域从合作延伸到生产链的互嵌，将防务合作进行更多地落地。         这不是已经验证的行业定律，更接近模型公司基于Scaling经验作出的下注。”

印度苏-30MKI战斗机前往日本参加联合演习。在“日本技术”与“印度制造”之间寻求更多合作根据备忘录，双方同意在信息共享、海上态势感知、海军演习、舰船维修及后勤支援等作战层面深化协作，并探讨了利用“日本技术”与“印度制造”进行合作的可能性，加强在海军造船、常规潜艇、船用发动机、两栖飞机、航空发动机技术、先进电子设备、无人系统和电子战等领域的合作。         目前，UMI数据和真机数据的单小时采集成本通常在500元以上，部分可达到一两千元。备忘录显示，两国将推进特种作战部队之间的交流，并推动未来与统合司令部的合作。双方将深化防务部门间包括尖端技术在内的研究与开发合作。此外，日印还将建立工作级别的磋商机制，以加强在运用、情报和装备等各领域的合作。按照这一价格，1000万小时意味着50亿至200亿元投入，几乎没有公司能够长期承担。         异构数据可以改变这个难以承受的账单。“由于印度和日本双方都有顾忌，很难达成全方位的安全协议，因此双方选择了都能接受且重视的海洋安全这个切口比较小的领域进行合作，对两国来说敏感度都比较低，印度要突出战略自主以及考虑与俄罗斯的关系，日本则重视海洋安全并考虑美国态度。所谓异构数据，主要是通过手机、胸挂摄像头或采集帽，记录人类在真实环境中的操作过程，不需要昂贵的采集手套和VR设备。”张家栋表示。在日本放宽武器限制并加大力度推销武器的背景下，日本也更加重视寻求向印度出口武器或武器技术。

五 | 方汉预计，随着硬件和供应链继续降价，异构数据成本有机会降至每小时10元左右。

六 | 这样一来，1000万小时数据的直接成本约为1亿元，Scaling第一次具备了经济上的可行性。据悉，日印双方确认了为尽快出口海上自卫队护卫舰上搭载的通信天线“独角兽”，将加快印度国内手续。         但异构数据天然粗糙。一段普通视频只能看到一只手抓起杯子，却无法直接获得手指的三维姿态、空间距离和受力信息。双方还一致同意加快讨论，争取年内举行旨在加强两国关系的外长防长磋商（2+2）。昆仑万维的做法，是用辅助模型恢复视频的深度信息，再通过高斯泼溅等方式重建手部三维模型和运动轨迹，把低成本的二维视频“升维”为接近专业设备采集的数据。辛格表示预计将在11月举行。

七 | “独角兽”是一款装备于海上自卫队多功能护卫舰的通信天线，具备优良的隐身性能，大幅增强舰艇的雷达隐身性能和电子对抗能力。         这意味着，世界模型的数据壁垒不只在于买到多少视频，更取决于能否把脏数据转化成高质量训练数据。

八 | Riemann 1.0提供了初步验证：加入大量异构数据后，模型在叠衣服等精细操作任务上的表现仍然明显提升，并在RoboCasa 365基准测试中比此前方法高出8个百分点。

九 | “亚洲防务安全”网站分析称，以“独角兽”天线为基点的日印防务合作意味着，两国将防务合作正式从“释放政治信号”上升到“提升作战能力”层面，将对印度洋和西太平洋的海洋安全产生实质影响。新加坡《联合早报》刊文指出，新德里一直渴望东京更多地利用资金和技术，帮助印度发展国内军事装备产业。         按照方汉的时间表，目前主要厂商还在10万至20万小时量级；2026年底可能有人进入百万小时；2027年底或许会有厂商达到千万小时；1亿小时则至少需要三至五年。相对于印度，日本拥有更好的造船工业和技术，在放宽武器出口的背景下，日本更加积极向外界推销护卫舰、潜艇、水上飞机等武器装备，而印度海军在先进舰艇、舰艇维护、水雷战、传感器集成等领域存在短板，亟需日本成熟技术，双方在“日本技术”与“印度制造”之间寻求更多的合作。其实，早在2014年，日印便接近达成US-2水上飞机交易。         谁最可能跑在前面？方汉的回答很现实：“看融资能力，谁钱多，谁采购的数据就多。

十 | 印度据称计划购买至少15架，合同金额可能达到16.5亿美元，但因价格、技术转让和本土生产安排始终难以谈拢，至今没有下文。印度《国防核心》网站（defencecore）刊文认为，日本US-2水上飞机仍是双方防务合作的重要潜力领域。”但他同时认为，中国在数据生产环节具备结构性优势。今年1月，印度国防部寻求4架为期四年的水上飞机租赁，其中US-2也在考虑中。这些飞机能够支持远程搜救、伤员撤离、特种作战、人道主义援助和后勤，特别是在安达曼和尼科巴群岛及拉克沙群岛。日本地缘经济研究所研究员井上伦太郎称，日印之间未来具有合作潜力的领域包括无人机研发，特别是用于军事基地防卫的相关系统。世界模型依赖摄像头、传感器、采集设备和机器人本体，中国拥有完整的消费电子和制造业供应链，也拥有制造、物流、家政、医疗等丰富的真实任务场景。

“独角兽”是一款装备于海上自卫队多功能护卫舰的通信天线，具备优良的隐身性能。         当然，这套逻辑仍有一个未经验证的前提：世界模型会继续遵循Scaling规律。方汉判断，具身智能最终可能像自动驾驶一样收敛到端到端路线，主流架构或走向DiT；但他也承认，自监督架构未来存在取代DiT的可能。

十一 | 日本全方位布局“印太”？小泉此次访问是在印度总理莫迪7月会见日本首相高市早苗之后进行的。         一旦出现架构层面的范式切换，千万小时数据还能保留多强的壁垒，仍然没有答案。对方汉而言，当前的判断比较明确：在下一次技术范式变化发生之前，先把数据规模推过拐点。         以下为对话实录：          01 世界模型的技术路线最终会走向哪里？          Q：具身智能领域存在多种世界模型路线，未来会向哪一种技术路线收敛？          方汉：可以参考自动驾驶的发展过程。

十二 | 当时，双方同意在关键矿产领域加强合作。

十三 | 小泉称，这是防卫省首次与其他国家签署专门针对海洋安全合作的备忘录。自动驾驶早期经历了多种技术路线的竞争，最后逐渐走向端到端模型。

十四 | 我认为，具身智能的世界模型最终也会收敛到端到端路线，因为只有端到端模型才具备持续扩展的能力。         视频生成模型也是类似的过程。视频模型发展了很多年，但长期没有出现压倒性的能力跃迁。直到训练数据扩大到数十亿个视频片段，模型才迎来明显拐点，进入类似文本大模型“ChatGPT时刻”的发展阶段。

十五 |          具身智能也面临同样的问题：端到端模型究竟需要多少数据，才能迎来能力拐点？目前行业的判断并不完全一致，但我认为至少需要1000万小时的数据，模型才有可能开始明显收敛；更高的估计可能达到1亿小时。

十六 |          Q：世界模型大约会在什么时间迎来技术拐点？          方汉：关键要看谁先获得足够规模的数据。

十七 | 目前行业头部模型的训练数据大多还处于十万小时量级。我们这次发布的模型使用了20多万小时数据，其他厂商公开的数据规模也大致在相近水平。除了海洋安全合作，双方还将在联合军演、战略协作等方面加强合作。

十八 |          接下来可以观察几个节点：谁先达到100万小时、500万小时和1000万小时，以及达到1000万小时后，模型是否真的会出现能力拐点。         按照我们的判断，2026年底可能会有厂商达到百万小时级别，但达到千万小时仍然比较困难；到2027年底，可能会有厂商进入千万小时规模。

十九 | 参考消息网8月8日援引日本《朝日新闻》网站报道，据日本防卫省消息人士透露，日本航空自卫队的F-2战斗机预计将首次被派遣至印度参加联合训练，这很可能成为小泉与印度国防部长拉杰纳特·辛格此次会谈的议题之一。2023年，日本自卫队和印军在日本国内举行了首次战斗机联训。当年1月，代号为“Veer Guardian -2023”（突变守护者-2023）的日印空中联合军演在日本东京附近的百里空军基地举行。至于1亿小时，大概率还需要三至五年。

| 印度空军派出4架苏-30MKI战机、2架C-17运输机以及1架伊尔-78空中加油机；日方出动了 4 架F-2多用途攻击机和 4 架F-15J拦截机参与演练。         Q：您为什么把2026年称为“世界模型元年”？          方汉：一个赛道真正进入元年，需要先证明核心技术路线可以成立。         世界模型的概念此前已经很热，但行业一直没有确定，到底应该依赖真机数据、UMI数据、仿真数据，还是普通人类操作视频。大家都在做实验。‌‌有分析认为，“突变守护者-2023”演习内容包括实战化的对抗性训练，日本自卫队将借演习了解和应对俄制苏-27系列战机（苏-30是苏-27的衍生型号），而日本的周边大国装备了大量苏-27系列以及改进型战机。         到了今年，包括我们在内的一批团队逐渐证明，第一视角的人类操作视频等异构数据，能够有效提升世界模型的能力，而且这种数据具备大规模扩展的可能。

|          它不需要操作者佩戴昂贵的手套或VR设备，通过手机、胸挂摄像头等设备就能采集。异构数据能够成为世界模型预训练的主要数据来源，这条路线得到验证，是我认为2026年成为世界模型元年的重要原因。         Q：世界模型领域什么时候会出现明显的公司分化？          方汉：还是要看数据规模。         目前大家的起点相对接近，尚未出现特别明显的分化。当部分公司拥有百万小时数据，而另一些公司仍停留在十万小时，差距就会开始拉开。这次日本计划派出F-2战机参加演习的主要看点是日本航空自卫队的远程投送和演习科目，两国地理直线距离约4800公里，日本F-2战机前往印度需要空中加油和地面机场经停，飞行距离超过5000公里。军事专家韩东告诉澎湃新闻，“日本将借此次演习检验远程投送能力。         如果有厂商率先进入千万小时级别，它的模型能力很可能发生比较大的变化。Scaling的红利已经得到初步验证，现在的问题是，谁能更早获得足够多、足够高质量的数据。         02 异构数据将成为具身智能扩展的关键          Q：为什么世界模型需要异构数据？          方汉：最现实的原因是成本。除了F-2战机，还可以关注日本是否派出空中加油机、预警机、运输机和电子战飞机，尤其是预警机和电子战飞机，如果有这些特种飞机，那说明日本派出的是一个小的空中作战体系，演习的层级也更高。

| ”“如果只有F-2战机和运输保障人员的运输机，说明这次演习层级还是比较低的，科目可能主要包括空中对抗、编队飞行等，体系化较弱。         传统的UMI数据和真机数据采集成本非常高。”韩东说。过去一套数据采集手套可能需要十几万元，目前虽然已经降到一万多元，但单小时数据采集成本通常仍在数百元，部分高质量数据甚至达到一两千元。         按照每小时500元计算，1000万小时数据需要50亿元；如果达到1亿小时，就是500亿元。几乎没有公司能够长期承担这样的成本。

| 值得一提的是，从2018年起，印度陆军和日本陆上自卫队机制性举行了多场“达摩卫士”陆上演习，演习聚焦低烈度冲突作战（LICO）、城市巷战、反恐演练、情报共享及特种技能训练。张家栋分析认为，俄乌冲突、中东冲突和印巴冲突让印度和日本认为安全环境发生了深刻变化。         异构数据的采集门槛低得多。“对于日本来说，日本过去的安全主要靠美国，但现在美国的一些表现，让盟国怀疑美国的安全保障的有效性和积极性。通过手机、胸挂摄像头等设备拍摄人类完成真实任务，当前每小时成本可能在几十元。随着设备和供应链进一步成熟，未来有机会降到每小时10元左右。这样一来，1000万小时数据的成本可能下降到1亿元量级，开始进入企业可以承担的范围。         与此同时，异构数据的多样性和环境复杂程度，往往高于标准化的真机数据。我们在模型中加入大量异构数据后，即使是叠衣服这样的任务，能力也出现了明显提升。印度强调战略自主，不会单纯依靠美国或者欧洲，或者俄罗斯，去年的印巴冲突对印度刺激也很大，”张家栋说，“印日双方都觉得需要一个安全合作的新伙伴，也都愿意进一步深化防务合作。         Q：普通视频缺少深度和手部姿态信息，如何转化成机器人可以使用的数据？          方汉：普通视频确实只是二维画面，无法直接获得手指关节、空间距离和运动轨迹等信息。         我们的做法是训练一系列辅助模型。

| ”小泉在会谈后向媒体表示：“日本和印度为维护国际秩序所应承担的责任和发挥的作用已变得越来越大。第一步，通过深度估计模型，从二维画面中恢复物体和手部的前后空间关系；第二步，对手部进行三维重建，把视频里的手部运动转化成可计算的三维轨迹。         经过这些处理，普通视频所包含的数据维度，就能够逐渐接近专业采集设备得到的数据。”他表达了加强两国关系的意愿。         数据清洗本身也是模型能力的一部分。

| 团队需要针对深度估计、手部重建、姿态识别等环节训练专门的标注模型，才能把规模庞大但相对“脏”的视频数据转化成可用的训练数据。         与此同时，采集硬件也在快速降价。现在已经出现双目摄像头、胸挂设备和采集帽等产品，未来还会加入运动传感器、鱼眼镜头等组件。随着中国供应链持续降低设备成本，异构数据的数量和质量都会提高。

|          Q：异构数据、真机数据和仿真数据之间是什么关系？          方汉：这些数据会在不同阶段发挥作用。小泉还透露，已向印方表达了想要探讨允许自卫队使用印度国内导弹发射试验场的想法。         异构数据成本低、规模大、场景丰富，更适合承担预训练阶段的主要任务。

| 高质量UMI数据和真机数据成本更高，可以用于监督微调、强化学习和后训练。         机器人最终要在真实环境里工作，因此真机数据不可缺少。更合理的路线是，用大规模异构数据建立模型的基础能力，再用少量、高质量的真机数据完成能力校准和强化。         仿真数据可以在早期提供帮助，但它无法完整替代真实世界数据。有分析认为，小泉此次对印度和澳大利亚的访问正是日本系统性军事松绑背景下全方位布局“印太”的一次重要举措。8月18日，日本防卫大臣小泉进次郎抵达澳大利亚首都堪培拉，开启其对澳大利亚和印度两国为期5天的访问。据日本防卫省事前公布的消息，小泉此行将重点围绕与澳印两国的防务装备领域合作、军工产能跨境协作、高层防务机制搭建等实质性内容展开。游戏引擎中的物理规律并不完备。

| 今年4月小泉访澳期间，双方签署相关备忘录，确认日本将向澳大利亚出口升级版“最上”级护卫舰。例如，虚拟角色抓取杯子时，杯子的形变、摩擦和受力可能与真实世界不同。据报道，首批3艘护卫舰将直接在日本本土的三菱重工船坞建造，后续剩余8艘同型舰艇将全部转移至澳大利亚本土船坞完成总装。此外，新西兰也透露出对该型号护卫舰的采购意向。         仿真数据之所以被大量采用，主要因为成本低，并不意味着数据质量更好。

| 短期可以使用，长期仍然要依靠真实的人类操作数据和真机数据。         Q：具身模型的后训练会不会成为下一个竞争重点？          方汉：后训练非常重要。

| 缺少后训练，模型很难真正落到具体机器人和具体任务上。         目前现场展示的许多机器人，在进入新环境后仍然需要采集一部分现场数据，再进行小规模后训练。在“奥库斯”第二支柱的指引下，日澳还将在高超声速武器、无人潜航器等军事前沿技术领域加强合作，演习演训、武器试验等方面的合作也将提升至新的层次。据共同社18日报道，双方就日本自卫队为所谓“强化反击能力（对敌基地攻击能力）”在澳境内试射远程导弹事宜达成一致。

| 此前，日本远程导弹试射只能在美国进行。