西湖大学自主智能实验室 AutoLab 推出的 Awomo-0.5 概念世界模型只有 40 亿参数，却在 Physical-IQ、RoboTwin-c2r、MolmoSpaces、LIBERO-Plus、RoboCasa、RoboDojo Sim 合计 6 项具身智能评测拿到第一，走和主流视频生成式世界模型不一样的路线，不去优先渲染高清像素画面，而是在隐空间构建可组合的物理概念表征，靠小模型实现更强的物理规律理解和环境泛化能力，这条概念世界模型路线也是团队接下来长期押注的方向，目标解决机器人、自动驾驶里面 AI 碰到陌生场景就失效的长尾难题。现在很多世界模型方案主打生成逼真视频，靠像素级画面还原环境，算力消耗巨大，而且模型容易记住训练场景，换个光照、物体摆放方式就翻车；西湖大学团队的概念世界模型思路是把物体材质、空间位置、接触关系、运动因果拆成独立物理概念，新场景不用全部重新学习，直接重组已有概念来推演后续变化，和 Yann LeCun 的 JEPA 隐空间预测路线相近，但更强调概念的可组合绑定；团队累计清洗了超过 50 万小时具身物理数据用来训练 Awomo，同时孵化西湖数智推进落地，相比千亿大模型，40 亿参数版本算力门槛低，适合机器人端侧部署，短板是目前还处在早期版本，复杂长时序任务、真实物理机器人实物落地还有不少待验证问题。
一、Awomo-0.5 评测成绩汇总表
| 评测名称 | 评测考察方向 | Awomo-0.5 成绩 | 榜单定位 |
|---|---|---|---|
| Physical-IQ | 物理常识、因果推理 | 45.5 分 | 榜首 |
| RoboTwin-c2r | 双臂操作、环境扰动泛化 | 80.6% 成功率 | 榜首 |
| MolmoSpaces | 基础抓取、开关、放置操作 | 73.4% 成功率 | 榜首 |
| LIBERO-Plus | 长时序机器人任务规划 | 95.88 分 | 榜首 |
| RoboCasa | 多场景居家机器人任务 | 64.3% | 榜首 |
| RoboDojo Sim | 机器人动态基座推演 | 35.34 分 | 基座模型第一 |
二、概念世界模型和像素生成世界模型核心差异清单
- 像素生成路线：输出连续视频帧，优先画面逼真度；模型记忆场景像素特征，泛化弱；算力开销大；适合仿真画面生成。
- 概念世界模型路线：输出隐空间物理概念表征，不强制生成图片；拆解空间、材质、因果概念，支持组合泛化；同等能力下参数量更小；适合机器人决策、物理预判。
三、技术落地应用方向
- 通用具身机器人：作为机器人的物理大脑，处理抓取、装配、居家操作，面对杂物、光照变化时稳定性提升，下游开发者少量数据微调就能定制任务。
- 自动驾驶：预判行人、车辆、物体滑落等物理因果事件，补充感知模块的预测能力，应对极端长尾场景。
- 工业柔性操作：工厂机器人应对物料摆放变化，降低产线标定成本。
- 仿真数据生成：在概念空间推演事件，产出高价值仿真样本，减少真实采集成本。
四、这条路线要跨过的难点
- 难点 1：概念对齐难题，怎么把视觉信号稳定映射到统一、可复用的物理概念，概念冲突会直接导致预测出错。
- 难点 2：从仿真走向真机，仿真环境的物理规则偏理想化，迁移到真实机器人硬件会有性能衰减。
- 难点 3：复杂多物体耦合场景，大量物体互相作用时，概念组合推演的时序误差会持续累积。
- 难点 4：生态配套不足，概念世界模型还没有成熟工具链，行业标准、评测基准还在快速迭代。
五、最终结论
西湖大学 Awomo-0.5 这款 40 亿参数概念世界模型，用小模型拿下 6 项具身评测第一，验证了概念世界模型路线具备可行性；和主流视频生成世界模型相比，它主打物理概念拆解与组合泛化，更适配机器人、自动驾驶这类物理交互任务；但成果属于阶段性学术验证，真实大规模落地还需要持续迭代，团队押注这条路线，本质是想避开视频生成的算力内卷，找到物理智能新的成长路径。
【常见问题】
问题 1：西湖大学 40 亿参数拿下 6 个评测第一的模型，为什么叫做概念世界模型？
回答 1：西湖大学这款 40 亿参数拿下 6 个评测第一的 Awomo-0.5 是概念世界模型，因为它不优先生成像素视频，而是在隐空间把环境拆成物体属性、空间关系、因果规律等可组合物理概念，依靠概念重组推演新场景。
问题 2：概念世界模型和 Yann LeCun 提出的 JEPA 是不是同一个技术方案？
回答 2：概念世界模型和 JEPA 同属于隐空间预测方向，但并不一样，JEPA 侧重隐空间表征预测，西湖大学的概念世界模型会把隐空间表征明确绑定成可复用物理概念，强调概念组合能力。
问题 3：Awomo-0.5 这个 40 亿参数概念世界模型，能不能直接部署在实体机器人上使用？
回答 3：Awomo-0.5 这个 40 亿参数概念世界模型目前主要在仿真评测中拿到 6 项第一，仿真到真机存在迁移损耗，还需要配套控制模块、少量现场数据微调才能在实体机器人上落地。
问题 4：西湖大学押注概念世界模型路线，对比千亿参数世界模型优势在哪？
回答 4：西湖大学押注的概念世界模型路线，40 亿小参数量算力成本更低，更适合端侧设备；核心优势是靠物理概念泛化，陌生场景适应性更强，不用像像素模型那样死记画面特征。
【参考资料】
[2026-11-13]（40 亿参数模型拿下 6 个评测第一，西湖大学团队押注「概念世界模型」）新浪财经
[2026-11-13]（40 亿参数拿下 6 项榜首，Awomo 概念世界模型详解）雷锋网
[2026-11-02]（三年前布局，今年爆火！西湖大学成立世界模型研究中心）中国教育和科研计算机网
[2026-10-31]（当 AI 开始拥有 “世界观”：西湖大学成立世界模型研究中心）人民网浙江频道
[2026-10-31]（西湖世界模型研究中心成立，发布 Awomo-0.5 概念世界模型成果）中国新闻网
【免责声明】
本文信息基于西湖大学 AutoLab 团队公开成果、Awomo 官方评测数据以及科技媒体报道整理；Awomo-0.5 拿下 6 项评测第一是仿真基准测试结果，概念世界模型技术仍处于科研早期；模型真机落地效果、后续迭代方向存在不确定性，内容仅作科研信息科普，不构成任何商业合作、采购投资建议。