世界モデルは、もっともらしい動画を生成するだけではなく、環境がどう変化し、行動が何を引き起こすのかを表現しようとするAIだ。ロボットや自動運転、シミュレーションなど、物理世界で働くAI（フィジカルAI）の基盤技術として注目が高まっている。

WAIC 2026では、Muka Robotics、Shengshu Technology、EvoPhys.ai、Chengwei Capitalが参加したパネルで、中国の新興企業が米国の最先端AI研究所の規模をそのまま追う必要はない、という見方が示された。主張の核は、中国が最先端級の計算資源へ同等にアクセスできるということではない。学習効率、実世界での相互作用データ、実機ロボットでの高速な検証が重要性を増せば、ロボット・ハードウェアの集積が競争力になり得る、という戦略仮説である。

WAICでは身体性AIとロボットの展示も大きな存在感を示した。報道によれば、200社超の身体性AI・ロボット企業が参加した。8

「計算量競争」から「反復の効率」へ

パネルが提示したのは、世界モデルがまだ技術標準も事業の勝ち筋も固まり切っていない領域だという前提だ。利用できる計算資源が相対的に少なくても、物理世界の有用なデータを低コストで集め、異種データを効率的に学習できる設計を採用し、実機で失敗を素早く確かめられるなら、競争できる可能性があるという。

Muka Roboticsが報じられたWorldArenaで、32基のGPUを使って高順位を得たという結果は、こうした「効率優先」の例として紹介された。ただし、これは企業側が報告したベンチマーク結果であり、技術全般における優位性を第三者が監査・検証したものではない。3

実用上の違いは明確だ。動画モデルは映像が自然に見えるかで評価されやすい。これに対し、身体性を持つ世界モデルは、ロボットが予測に基づいて動いた結果、物理的な制約の下で本当に成功するかを問える。接触、運動、物体の状態変化を誤って予測すれば、実機の動作で露呈する。

ロボットは「データ源」であり「採点者」にもなる

パネルの論理は、世界モデルと身体性AIの循環にある。

1. 世界モデルがロボットを支える。 環境の変化や行動の結果を見通す助けとなる。
2. ロボットが世界モデルを支える。 行動にひも付いた相互作用データを生み、予測が物理世界で成り立ったかという直接的なフィードバックを返す。
3. 配備と再学習を繰り返す。 データ収集、モデル設計、評価のサイクルを短縮できる可能性がある。

この見方が中国で意味を持つとされる背景は、ロボットの展示・事業者の厚みにある。上海市のWAIC公式ガイドは、製造、日常生活、エンターテインメントの動的な応用シーンに300台超のロボットが登場したと説明している。別の報道では、200社超の身体性AI・ロボット企業の参加が伝えられた。108

もちろん、これだけでどの国が決定的なデータ優位を持つかは証明できない。それでも、多様なロボットの実装基盤があれば、相互作用データを得る機会と、物理予測が実際に役立つかを確かめる場の両方が増え得る、というのがパネリストの戦略的な見立てだ。

サプライチェーンの密度が、実験速度を左右する可能性

パネルでは、深圳に象徴されるハードウェア連携の密度も論点となった。部品供給企業、システムインテグレーター、ロボットメーカー、ソフトウェアチームが地理的・商業的に近い関係にあれば、モデルの失敗から次の実験までの時間を縮められるという考え方だ。

これは単にハードウェアが安いという話ではない。センサー構成、エンドエフェクター、データ収集手順、ロボットの構成を変更し、そこで得たデータをすぐ学習に戻す能力が重要になる。フィジカルAIでは、モデルの品質が、データを集め検証する機械・センサー・環境から切り離せないためだ。

ただし、これは技術的主導権を保証する事実ではなく、戦略上の仮説である。供給網の反応速度は実験を速めても、汎化性能、安全性、信頼性、商業性という根本課題を自動的に解決するわけではない。

設計そのものが、もう一つの競争軸

Shengshu Technologyの世界行動モデルに関する研究は、パネルで語られた設計主導のアプローチを具体化する例だ。同社のMotuBrainは、動画と行動を共通の生成的枠組みで扱う「統一世界行動」定式化を提示する。方策モデル化、世界モデル化、動画生成、逆動力学、動画・行動の共同予測を、同一モデルの異なる推論モードとして扱う設計である。32

Shengshuは、MotuBrainが理解・予測・行動を共同でモデル化し、異種データの活用とタスク間転移の強化を目指すとしている。33 実務的には、世界を観測する機能、変化を予測する機能、行動を選ぶ機能の分断を小さくしようとする試みだ。

もちろん、単一の論文やアーキテクチャだけで分野の勝敗が決まったわけではない。ただ、動画、行動、物理予測にまたがる情報を一つの枠組みで再利用できれば、有用な能力が計算資源に単純比例して伸びるとは限らない――この点を示す事例にはなっている。

物理法則から学ぶ「物理先行」の道

EvoPhys.aiは、同じボトルネックに別の方向から取り組むものとして紹介された。主として大規模にキュレーションされた動画群に頼るのではなく、基本的な相互作用から物理的規則性を学ぶという発想だ。狙いは、力、接触、運動、行動の結果により深く根差したモデルにある。

WAICでも関連する動きは確認できる。TrendForceは、Moore Threadsが北京大学のEvoPhys-World（5D世界モデル）を国内の計算インフラでフル学習したデモを披露したと報じた。9 これはこの技術分野で活動が進んでいることを示すが、性能比較、データ効率、国としての主導権に関するパネルの広範な主張を独立に裏付けるものではない。

「泰山級の機会」が意味するもの

パネルが用いた「泰山」という比喩には、機会と重荷の両面がある。

機会：標準をつくる側に回れる可能性

世界モデルがロボット、自律システム、シミュレーションの中核レイヤーになるなら、早期に参入した企業は重要な標準づくりに関われる。どのデータを集めるか、物理推論をどう評価するか、どのロボット形態を支えるか、どんな用途に実需があるか――こうした問いの答えを形にできるからだ。世界的な首位企業や確立された製品パターンが定まっていないことは、先行者に余地を与える。

重荷：正解のない市場を自ら切り開く

同時に、「模倣すべき型がない」ことは実行リスクでもある。新興企業は、データパイプライン、ハードウェア基盤、モデル設計、評価手法、顧客、収益モデルについて、高コストな判断を迫られる。どの選択が長く残るかを市場がまだ示していないからだ。さらに、物理世界での検証は、ソフトウェアだけのモデル評価より遅く、費用もかかりやすい。

したがって、この議論を「中国が世界モデル競争にすでに勝った」という宣言として読むべきではない。むしろ、物理世界から学び、物理世界で行動するAIの競争では、計算資源に加えて、反復の速さ、データの質、アーキテクチャが戦略変数になる、という主張である。

次に注目すべき4つの検証点

この仮説の評価は、会議での物語ではなく、次のような再現可能な結果で決まる。

• 独立した評価： 単発のデモではなく、多様な環境で物理予測と実ロボット性能を測る結果。
• データ効率： 現実的に収集・ラベル付けできる規模の相互作用データで、意味のある性能向上が得られるか。
• 異なるロボット間での転移： あるロボット、センサー構成、タスクで学んだモデルが、大規模な再学習なしに別の条件へ一般化できるか。
• 導入の経済性： 世界モデルが、ロボットの安全性・信頼性を高める、または運用コストを下げることで、継続的な商用利用を支えられるか。

現時点の資料は、WAICにおける活発なロボット参加と、Shengshuの世界行動モデルという定式化を裏付けている。一方、パネルで語られた個別の計算資源比較、データを供給し得るロボット企業数、業界全体としての中国の優位を、独立に確立するものではない。これらは野心的な戦略仮説として捉えるのが適切であり、その信頼性は反復可能な実世界の成果にかかっている。8103233

世界モデルは、もっともらしい動画を生成するだけではなく、環境がどう変化し、行動が何を引き起こすのかを表現しようとするAIだ。ロボットや自動運転、シミュレーションなど、物理世界で働くAI（フィジカルAI）の基盤技術として注目が高まっている。

WAIC 2026では、Muka Robotics、Shengshu Technology、EvoPhys.ai、Chengwei Capitalが参加したパネルで、中国の新興企業が米国の最先端AI研究所の規模をそのまま追う必要はない、という見方が示された。主張の核は、中国が最先端級の計算資源へ同等にアクセスできるということではない。学習効率、実世界での相互作用データ、実機ロボットでの高速な検証が重要性を増せば、ロボット・ハードウェアの集積が競争力になり得る、という戦略仮説である。

WAICでは身体性AIとロボットの展示も大きな存在感を示した。報道によれば、200社超の身体性AI・ロボット企業が参加した。8

「計算量競争」から「反復の効率」へ

パネルが提示したのは、世界モデルがまだ技術標準も事業の勝ち筋も固まり切っていない領域だという前提だ。利用できる計算資源が相対的に少なくても、物理世界の有用なデータを低コストで集め、異種データを効率的に学習できる設計を採用し、実機で失敗を素早く確かめられるなら、競争できる可能性があるという。

Muka Roboticsが報じられたWorldArenaで、32基のGPUを使って高順位を得たという結果は、こうした「効率優先」の例として紹介された。ただし、これは企業側が報告したベンチマーク結果であり、技術全般における優位性を第三者が監査・検証したものではない。3

実用上の違いは明確だ。動画モデルは映像が自然に見えるかで評価されやすい。これに対し、身体性を持つ世界モデルは、ロボットが予測に基づいて動いた結果、物理的な制約の下で本当に成功するかを問える。接触、運動、物体の状態変化を誤って予測すれば、実機の動作で露呈する。

ロボットは「データ源」であり「採点者」にもなる

パネルの論理は、世界モデルと身体性AIの循環にある。

1. 世界モデルがロボットを支える。 環境の変化や行動の結果を見通す助けとなる。
2. ロボットが世界モデルを支える。 行動にひも付いた相互作用データを生み、予測が物理世界で成り立ったかという直接的なフィードバックを返す。
3. 配備と再学習を繰り返す。 データ収集、モデル設計、評価のサイクルを短縮できる可能性がある。

この見方が中国で意味を持つとされる背景は、ロボットの展示・事業者の厚みにある。上海市のWAIC公式ガイドは、製造、日常生活、エンターテインメントの動的な応用シーンに300台超のロボットが登場したと説明している。別の報道では、200社超の身体性AI・ロボット企業の参加が伝えられた。108

もちろん、これだけでどの国が決定的なデータ優位を持つかは証明できない。それでも、多様なロボットの実装基盤があれば、相互作用データを得る機会と、物理予測が実際に役立つかを確かめる場の両方が増え得る、というのがパネリストの戦略的な見立てだ。

サプライチェーンの密度が、実験速度を左右する可能性

パネルでは、深圳に象徴されるハードウェア連携の密度も論点となった。部品供給企業、システムインテグレーター、ロボットメーカー、ソフトウェアチームが地理的・商業的に近い関係にあれば、モデルの失敗から次の実験までの時間を縮められるという考え方だ。

これは単にハードウェアが安いという話ではない。センサー構成、エンドエフェクター、データ収集手順、ロボットの構成を変更し、そこで得たデータをすぐ学習に戻す能力が重要になる。フィジカルAIでは、モデルの品質が、データを集め検証する機械・センサー・環境から切り離せないためだ。

ただし、これは技術的主導権を保証する事実ではなく、戦略上の仮説である。供給網の反応速度は実験を速めても、汎化性能、安全性、信頼性、商業性という根本課題を自動的に解決するわけではない。

設計そのものが、もう一つの競争軸

Shengshu Technologyの世界行動モデルに関する研究は、パネルで語られた設計主導のアプローチを具体化する例だ。同社のMotuBrainは、動画と行動を共通の生成的枠組みで扱う「統一世界行動」定式化を提示する。方策モデル化、世界モデル化、動画生成、逆動力学、動画・行動の共同予測を、同一モデルの異なる推論モードとして扱う設計である。32

Shengshuは、MotuBrainが理解・予測・行動を共同でモデル化し、異種データの活用とタスク間転移の強化を目指すとしている。33 実務的には、世界を観測する機能、変化を予測する機能、行動を選ぶ機能の分断を小さくしようとする試みだ。

もちろん、単一の論文やアーキテクチャだけで分野の勝敗が決まったわけではない。ただ、動画、行動、物理予測にまたがる情報を一つの枠組みで再利用できれば、有用な能力が計算資源に単純比例して伸びるとは限らない――この点を示す事例にはなっている。

物理法則から学ぶ「物理先行」の道

EvoPhys.aiは、同じボトルネックに別の方向から取り組むものとして紹介された。主として大規模にキュレーションされた動画群に頼るのではなく、基本的な相互作用から物理的規則性を学ぶという発想だ。狙いは、力、接触、運動、行動の結果により深く根差したモデルにある。

WAICでも関連する動きは確認できる。TrendForceは、Moore Threadsが北京大学のEvoPhys-World（5D世界モデル）を国内の計算インフラでフル学習したデモを披露したと報じた。9 これはこの技術分野で活動が進んでいることを示すが、性能比較、データ効率、国としての主導権に関するパネルの広範な主張を独立に裏付けるものではない。

「泰山級の機会」が意味するもの

パネルが用いた「泰山」という比喩には、機会と重荷の両面がある。

機会：標準をつくる側に回れる可能性

世界モデルがロボット、自律システム、シミュレーションの中核レイヤーになるなら、早期に参入した企業は重要な標準づくりに関われる。どのデータを集めるか、物理推論をどう評価するか、どのロボット形態を支えるか、どんな用途に実需があるか――こうした問いの答えを形にできるからだ。世界的な首位企業や確立された製品パターンが定まっていないことは、先行者に余地を与える。

重荷：正解のない市場を自ら切り開く

同時に、「模倣すべき型がない」ことは実行リスクでもある。新興企業は、データパイプライン、ハードウェア基盤、モデル設計、評価手法、顧客、収益モデルについて、高コストな判断を迫られる。どの選択が長く残るかを市場がまだ示していないからだ。さらに、物理世界での検証は、ソフトウェアだけのモデル評価より遅く、費用もかかりやすい。

したがって、この議論を「中国が世界モデル競争にすでに勝った」という宣言として読むべきではない。むしろ、物理世界から学び、物理世界で行動するAIの競争では、計算資源に加えて、反復の速さ、データの質、アーキテクチャが戦略変数になる、という主張である。

次に注目すべき4つの検証点

この仮説の評価は、会議での物語ではなく、次のような再現可能な結果で決まる。

• 独立した評価： 単発のデモではなく、多様な環境で物理予測と実ロボット性能を測る結果。
• データ効率： 現実的に収集・ラベル付けできる規模の相互作用データで、意味のある性能向上が得られるか。
• 異なるロボット間での転移： あるロボット、センサー構成、タスクで学んだモデルが、大規模な再学習なしに別の条件へ一般化できるか。
• 導入の経済性： 世界モデルが、ロボットの安全性・信頼性を高める、または運用コストを下げることで、継続的な商用利用を支えられるか。

現時点の資料は、WAICにおける活発なロボット参加と、Shengshuの世界行動モデルという定式化を裏付けている。一方、パネルで語られた個別の計算資源比較、データを供給し得るロボット企業数、業界全体としての中国の優位を、独立に確立するものではない。これらは野心的な戦略仮説として捉えるのが適切であり、その信頼性は反復可能な実世界の成果にかかっている。8103233