I world model — modelli progettati non soltanto per generare video credibili, ma per rappresentare come cambia un ambiente e quali conseguenze producono le azioni — stanno diventando una componente centrale dell’IA fisica. Al WAIC 2026, un panel con Muka Robotics, Shengshu Technology, EvoPhys.ai e Chengwei Capital ha sostenuto che, in questo settore, le startup cinesi potrebbero competere senza limitarsi a replicare la traiettoria dei grandi laboratori statunitensi.
Il punto non è che la Cina disponga necessariamente della stessa capacità di calcolo di frontiera degli USA. La tesi dei relatori è un’altra: i progressi nei world model potrebbero dipendere sempre di più da efficienza di apprendimento, dati ottenuti dall’interazione con il mondo reale e sperimentazione veloce con i robot, oltre che dal numero di GPU. Il contesto del WAIC va in questa direzione: secondo una delle ricostruzioni dell’evento, hanno partecipato più di 200 aziende attive nell’IA incarnata e nella robotica. 
8
Dalla corsa alle GPU alla velocità di iterazione
Secondo il panel, il confronto diretto con i laboratori USA è meno utile in un campo che deve ancora definire standard tecnici e applicazioni commerciali. Un team con minore disponibilità di calcolo può restare competitivo se riesce a raccogliere dati fisici rilevanti a costi sostenibili, ad addestrare modelli capaci di sfruttare bene dati eterogenei e a verificare rapidamente gli errori su macchine reali.
Il risultato attribuito a Muka Robotics su WorldArena — un piazzamento elevato ottenuto, secondo la copertura disponibile, con 32 GPU — è stato citato come esempio di questa impostazione orientata all’efficienza. Si tratta però di un risultato di benchmark riportato dall’azienda, non di una verifica indipendente della leadership tecnica complessiva. 
3
La differenza è concreta: un modello video può essere valutato per la qualità visiva, mentre un world model per robot può essere messo alla prova chiedendosi se l’azione prevista riesca davvero sotto i vincoli della fisica. Se il sistema sbaglia a stimare contatto, movimento o stato di un oggetto, il test su un robot reale può far emergere l’errore.
Robot: fonte di dati e banco di prova
Il ragionamento poggia su un ciclo di retroazione tra world model e intelligenza incarnata:
- I world model possono aiutare i robot a prevedere i cambiamenti nell’ambiente e le possibili conseguenze delle loro azioni.
- I robot possono aiutare i world model producendo dati di interazione condizionati dalle azioni e feedback diretto sulla correttezza delle previsioni nel mondo fisico.
- Distribuzione, raccolta dati e riaddestramento ripetuti possono accelerare l’iterazione su dati, architetture e valutazioni.
La presenza espositiva del WAIC spiega perché i relatori ritengano rilevante questo aspetto in Cina. La guida ufficiale di Shanghai descriveva oltre 300 robot in scenari applicativi dinamici; un’altra fonte riportava più di 200 aziende di IA incarnata e robotica presenti alla conferenza. 
108
Questo non dimostra che un Paese disponga già di un vantaggio decisivo sui dati. Spiega però la logica strategica: una base robotica ampia e diversificata può offrire più occasioni sia per raccogliere dati di interazione sia per verificare se le previsioni fisiche di un modello siano davvero utili.
La filiera hardware come leva di velocità
Il panel ha richiamato anche il coordinamento tipico dell’ecosistema hardware di Shenzhen: fornitori di componenti, integratori, produttori di robot e team software possono essere abbastanza vicini, sul piano geografico e commerciale, da ridurre il tempo tra un errore del modello e un nuovo esperimento.
Il vantaggio, in questa lettura, non consiste solo in hardware meno costoso. Consiste nella possibilità di modificare rapidamente sensori, terminali di presa, procedure di raccolta dati o configurazioni robotiche, per poi riportare i nuovi dati nel ciclo di addestramento. Nell’IA fisica, infatti, la qualità del modello dipende anche dalle macchine, dai sensori e dagli ambienti con cui viene addestrato e validato.
Resta una proposta strategica, non una garanzia di leadership tecnica. Una filiera reattiva può velocizzare gli esperimenti, ma non risolve da sola i problemi di generalizzazione, sicurezza, affidabilità o sostenibilità commerciale.
L’architettura è l’altra metà della scommessa
Il lavoro di Shengshu Technology sui modelli world-action offre un esempio concreto dell’approccio descritto nel panel. La ricerca su MotuBrain propone una formulazione unificata in cui video e azione sono modellati in un quadro generativo condiviso: modellazione della policy, world modeling, generazione video, dinamica inversa e previsione congiunta video-azione diventano diverse modalità di inferenza dello stesso modello. 
32
Shengshu afferma che MotuBrain modella congiuntamente comprensione, previsione e azione, con l’obiettivo di utilizzare meglio dati eterogenei e migliorare il trasferimento tra compiti. 
33 In termini pratici, è un tentativo di ridurre la separazione tra il sistema che osserva il mondo, quello che ne prevede l’evoluzione e quello che sceglie un’azione.
Il rilievo non è che una singola architettura abbia già risolto il problema. Piuttosto, mostra perché i relatori ritengano che la progettazione del modello possa creare un vantaggio: se un unico impianto riesce a riutilizzare informazione fra video, azioni e previsioni fisiche, la capacità utile potrebbe non crescere in rapporto lineare alla sola potenza di calcolo.
L’alternativa orientata alla fisica
EvoPhys.ai è stata presentata come un approccio allo stesso collo di bottiglia da un’altra direzione: apprendere regolarità fisiche da interazioni elementari, invece di dipendere soprattutto da enormi raccolte curate di video. Il beneficio atteso è un modello più ancorato a forze, contatti, moto e conseguenze delle azioni.
Al WAIC erano visibili attività affini. TrendForce ha riferito che Moore Threads ha mostrato l’addestramento completo di EvoPhys-World dell’Università di Pechino, descritto come world model 5D, su infrastruttura di calcolo domestica. 
9 Il fatto conferma l’attività tecnica nel settore, ma non convalida in modo indipendente le più ampie affermazioni del panel su prestazioni comparative, efficienza dei dati o leadership nazionale.
L’opportunità «Monte Tai»: vantaggio e fardello
La metafora del Monte Tai racchiude i due lati della tesi.
L’opportunità
Se i world model diventeranno uno strato essenziale per robot, sistemi autonomi e simulazione, le aziende che si muovono per prime potrebbero contribuire a definire standard importanti: quali dati raccogliere, come valutare il ragionamento fisico, quali forme di robot supportare e quali applicazioni generino valore concreto. L’assenza di un leader globale consolidato o di una ricetta di prodotto universalmente riconosciuta può lasciare spazio ai primi arrivati.
Il fardello
La stessa assenza di un modello da seguire aumenta il rischio esecutivo. Le startup devono prendere decisioni costose su pipeline di dati, piattaforme hardware, architetture, metodi di valutazione, clienti e modelli di business prima che il mercato indichi con chiarezza quali scelte dureranno. Inoltre, validare nel mondo fisico può essere più lento e più costoso che valutare un modello esclusivamente software.
Per questo la lettura del panel non va intesa come la dichiarazione che la Cina abbia già vinto la corsa ai world model. È una tesi sulla forma della competizione: in un settore nascente, nel quale i modelli devono apprendere dal mondo fisico e agire al suo interno, velocità di iterazione, qualità dei dati e architettura possono diventare variabili strategiche accanto alla capacità di calcolo.
Cosa osservare ora
La tesi verrà verificata meno dalle narrazioni delle conferenze che da prove in quattro ambiti:
- Valutazioni indipendenti: risultati su previsione fisica e prestazioni di robot reali in ambienti diversi, non soltanto dimostrazioni isolate.
- Efficienza nell’uso dei dati: capacità di migliorare in modo rilevante con volumi di dati di interazione realisticamente raccoglibili ed etichettabili.
- Trasferimento tra robot diversi: possibilità di generalizzare da un robot, una dotazione di sensori o un compito ad altri, senza un riaddestramento esteso.
- Economia del deployment: prova che questi sistemi rendano i robot abbastanza più sicuri, affidabili o economici da sostenere un impiego commerciale continuativo.
Per ora, le fonti disponibili confermano una forte presenza della robotica al WAIC e la formulazione world-action pubblicata da Shengshu. Non dimostrano in modo indipendente specifici confronti di calcolo, il numero dichiarato di aziende robotiche in grado di fornire dati o un primato cinese dell’intero settore. Queste affermazioni vanno quindi lette come una tesi strategica ambiziosa, la cui credibilità dipenderà da risultati ripetibili nel mondo reale. 8103233
