World Foundation Model（世界基础模型）
World Foundation Model预训练好的世界模型底座
亦作、亦称：世界基础模型 · World Foundation Model · WFM
World Foundation Model 是预训练好的世界模型底座，服务于多种物理 AI 任务。Momenta R7 随 100 万+ 量产车部署（poolId P014），证明存量车队可以是世界模型的数据飞轮入口。
核心
与 World Model（通用概念）的区别在于「基础模型化」：一次预训练、多任务复用、靠规模化数据飞轮迭代。两条数据路线：机器人/车队自建数据（慢、贵）与存量量产载体回传（Momenta 模式，快、规模大）。评估 WFM 的两条新判据：数据飞轮载体规模、组织形态（独立融资实体=激进商业化）。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「预训练好的世界模型底座」
- 「物理 AI 的基础模型」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 中级概念查看详解 →
Momenta R7 随 100 万+ 量产车部署：世界基础模型如何走通「数据飞轮」的商业化闭环？
世界模型正从实验室走向量产：Momenta R7 世界基础模型随超过 100 万辆量产车部署，用存量车队数据反哺训练（poolId P014）；蚂蚁 Robbyant 独立融资标志具身智能进入资本叙事阶段（poolId P015）；WAIC 2026 上海电气展示工业具身落地（poolId P013）。
- 高级概念查看详解 →
VLA（Vision-Language-Action）如何将视觉语言对齐到动作空间？
VLA 把视觉和语言 token 通过预训练 LLM backbone 映射到离散或连续动作空间，关键是动作 tokenizer 和对齐损失。
- 高级概念查看详解 →
Diffusion Policy 如何用于机器人动作生成？
用扩散模型建模多模态动作分布，去噪生成动作序列，比回归更稳健。
- 中级概念查看详解 →
模仿学习（行为克隆 / DAgger）的原理是什么？
行为克隆监督学专家动作易复合误差，DAgger 让专家在策略访问的状态上标注以纠偏。
延伸阅读
从知识库精选 2 篇文章，帮助深入理解该术语。
- 1
Isomorphic Labs 药物设计引擎
Isomorphic Labs（DeepMind 关联公司）发布药物设计引擎，将 AlphaFold 的结构预测能力扩展到分子设计。本文解析其技术路线和对药物研发的影响。
- 2
具身智能仿真平台全景：Isaac Sim、MuJoCo、Habitat 技术对比与实战指南
2026 年，具身智能的训练高度依赖仿真平台。NVIDIA Isaac Sim 5.0 引入神经渲染引擎、MuJoCo 3.0 实现百万级并行物理仿真、Meta Habitat 4.0 支持大规模视觉语言导航训练。本文系统对比六大主流仿真平台的技术架构、物理引擎精度、渲染质量、Sim-to-Real 迁移成功率，并提供从零搭建机器人仿真训练环境的完整实战指南。
外部参考
维基百科：查看「World Foundation Model」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。