由类脑智能产业创新发展联盟组织，复旦大学、中科院生物物理研究所、中国科学技术大学等产学研多方联合编制的《类脑认知世界模型技术白皮书》正式发布。这份44页的白皮书，第一次系统回答了行业最迫切的三个问题：大模型范式到底卡在哪里？世界模型究竟是什么？以及——为什么AI的突围之路，最终要回到人脑

皮书毫不客气地指出：以VLA为代表的具身智能1.0方案，已陷入"高数据依赖、低泛化能力、灾难性遗忘、高运行功耗"四大困境。

具体而言：

小样本学习效率低下

 人类幼儿看两遍就能学会叠积木，而VLA依赖海量标注数据预训练，无法像人一样通过少量样本快速学习新技能。

开放环境泛化能力不足

分布内场景表现优异，但面对未见过的物体、场景和任务时性能断崖式下降——这对"走向真实物理世界"的具身智能是致命伤。

长时序因果推理薄弱

 模型擅长统计关联的模式匹配，却缺乏对物理规律、因果逻辑的深度理解，难以支撑自主决策与复杂任务规划。

端侧算力功耗矛盾突出

 参数与计算量指数级增长的模型依赖云端算力，而机器人需要的恰恰是端侧实时、低功耗响应。

白皮书的判断直截了当：单纯依靠数据和参数的规模扩张与软件工程优化，无法从根本上解决开放环境具身智能的核心问题。下一代技术突破，必须跳出纯工程试错路径，向更底层的生物智能与脑科学寻求理论指导。

白皮书最富启发性的部分，在于它把视线拉回了百年认知科学史：从19世纪Helmholtz的"无意识推理"，到1943年Craik正式提出"心智模型"，再到1999年Rao与Ballard的预测编码模型、Friston的自由能原理——世界模型的思想从来不在计算机科学里凭空诞生，它根植于生物智能的运行机理。

人脑的"认知世界模型"具备五大认知支柱：层级化感知抽象、结构化时空记忆、直觉化物理因果推演、生成式反事实想象、闭环式主动探索学习。这些能力的神经基础清晰可溯：新皮层的层级预测表征、海马体位置细胞与内嗅皮层网格细胞构成的"认知地图"、小脑的前馈预测机制，以及额顶控制网络、默认模式网络的多网络协同。

基于这些机理，白皮书给出了类脑认知世界模型（Cognitive World Model, Cog-WM）的明确定义：一套以人脑主动推理与预测编码理论为核心，在隐空间中联合表征外部环境状态、内部认知预测、任务时空记忆、行动后果与不确定性的认知推演系统。

与之相对，白皮书划清了四类易混淆概念的边界：视频生成模型是世界模型的"视觉组件"而非完整世界模型；三维仿真引擎是"支撑工具"，规则需人工编写；生成式世界模型是当前主流初级形态，但因果弱、可解释性差；类脑认知世界模型，才是世界模型的高级发展形态——低数据依赖、高泛化、终身学习、低功耗。

技术上，Cog-WM采用五层架构，与人脑认知层级一一对应：多模态感知抽象层（对应初级感觉皮层）、物理规律与因果表征层（对应高级联合皮层）、时空记忆与认知地图层（对应海马-内嗅皮层系统）、内部沙盘与反事实推演层（对应前额叶与默认模式网络）、主动推理与行动规划闭环层（对应前额叶、基底神经节与运动皮层）。

这一架构的根本性转变在于：AI算法范式从"工程试错"转向"脑科学理论驱动"，从"数据拟合的感知模拟"升级为"机理驱动的认知推演"。

世界模型既不是短期快速落地的万能技术，也不是遥不可及的科幻概念。它是一条需要以战略视角长期深耕、逐步突破的下一代AI核心基础设施。而人脑——这个历经亿万年进化、功耗仅20瓦却撑起人类全部智能的"机器"，早已把答案写在了自己的结构里。