最近圈内吵得最凶的一个问题：机器人到底该用什么模型？

Jim Fan在AI Ascent上说「VLA已死，WAM当立」。VLA是视觉-语言-动作模型，过去三年机器人圈的主流路线——知道什么是「杯子」，但不理解「倒水」这个动作的物理过程。说白了，知道名词不懂动词。

他搞的DreamZero让AI先「梦见」未来几秒再行动，零样本泛化，没见过的新任务也能做。

另一边LeCun更狠。直接说「没有一家公司知道怎么让机器人变聪明」，管这叫机器人行业「最大的秘密」。他说现在的人形机器人跳舞打拳全是预编程——换个环境就废。

笑死，LeCun跟Musk还在网上互怼。Musk说你做不到不代表别人做不到，LeCun回：「我知道怎么做，只是不是你们现在赌的那条路。」

两条路线：Jim Fan用更多算力让AI梦见物理世界；LeCun要重新发明架构，不走LLM老路。

说实话我偏Jim Fan这边——先跑起来再说。但LeCun戳的那个问题是真的：世界模型没搞定，机器人永远是瞎子。

你们站哪边？

AI 机器人 具身智能 VLA WAM 世界模型 人形机器人