AI怎样从“语言的影子”进入真实世界，并形成因果理解？
全场最深的技术共识不是“模型还要更大”，而是：只在文本和成功样本中学习的模型，无法获得完整的物理知识、因果结构和行动后果。 下一阶段的关键输入不只是更多语料，而是科学数据、传感数据、失败记录、物理规律和与世界互动产生的反馈。
文本承载的是世界的描述，不是世界本身
苏昊给出最鲜明的表达：“语言是世界的投影。”模型可以描述杯子落地，却没有感受过重量、摩擦、力觉与失败。王坚从科学数据侧给出同一判断：地学的大量信息存在于光谱、地震波和岩石记录，而不在论文文本里。两者共同指出，大语言模型的知识上限被其数据形态锁定。
真正缺少的是“行动—后果”的因果数据
周伯文把当前模型的缺口归结为被动观察：只看世界、不介入世界，得到的主要是相关性。俞扬进一步展示了工业数据中的“因果倒置”：历史策略决定了采到什么数据，模型若只拟合观测分布，可能学出“火越小，水烧得越快”一类错误规律。因果理解不能仅靠更顺滑的预测获得，必须识别干预、策略和环境演化之间的关系。
“世界模型”不是更逼真的视频生成
孙富春、俞扬、何源虽然定义侧重点不同，但共同把世界模型指向三个能力：理解当前状态、预测行动后的未来、接受物理与规则约束。它不是视觉上“像真实世界”，而是能否在决策前推演风险，并让推演结果接受现实反馈修正。
数据问题本质上也是组织问题
物理数据、科学数据和工业数据散落在实验室、设备、供应链和劳动者经验中。苏昊认为没有一家机构能够独自集齐；纪华强则提醒，异构数据难打通往往不是接口问题，而是权属、利益和信任问题。因而，下一代模型的瓶颈不仅是 tokenization 或传感器，更是数据治理与协作制度。
需要避免把“物理交互”浪漫化
进入真实世界不会自动消除幻觉。传感器会漂移，仿真会失真，数据会偏置，长期预测会累积误差。真正的进步标准不是“有身体”，而是：模型能否在未见状态下保持因果一致、能否说明不确定性、能否被现实实验反复纠正。
文本规模扩张不足以跨过真实世界智能的门槛；需要科学数据、物理规律、行动反馈和失败样本。
这些异构知识如何统一表示？世界模型如何做长程误差控制和分布外泛化？企业与机构凭什么共享最珍贵的失败数据和现场数据？