刚刚，国产AI双冠王新智元

世界模型黑马横空出世！就在刚刚，生数科技的MotuBrain零宣发登顶双榜，直接打通「看懂世界+执行行动」，而且不同的是，他们把World Action Model适配多个头部机器人本体，完成多个长程任务，这是国产AI的硬核突围！从此，具身智能彻底迈入新纪元。

就在刚刚，世界模型圈又闯出一匹黑马！

悄无声息地，它就拿下了两个世界第一。

在WorldArena中，总体EWM Score达到63.77，排名第一（截至本月中旬左右）。

在RoboTwin2.0的Clean和Randomized两个场景下，它分别拿下了95.8和96.1，同样排名第一。

而且，它是百分百的零宣发。

这些荣誉，属于同一个模型——MotuBrain。

它出现得极其反常：没有Logo、没有发布会、没有融资稿，连X账号都是新注册的。

就这么一声不响地，同时爬上了两个国际权威榜单的顶端。

更离谱的是，这两个榜单彼此根本不挨着——一个考「你能不能真正看懂世界」，一个考「你能不能在世界里稳定干活」。

过去几年，行业把它们叫作「两个极点」：做世界模型的看得懂、动不了；做VLA的能动手、想不远。

同时拿下两个第一，业内前所未有。

具身圈猜测刷屏：这是阿里「快乐生蚝」翻版？字节憋的大招？或者华为的暗手？还是李飞飞World Labs的中国分舵？

直到谜底揭开，所有人都没想到——国产生成式AI公司生数科技。

而且他们没有止步与此，现在已经把world action model适配多个头部机器人本体，应对多种任务、建模多个长程任务。

这是工业级的demo，和其他的刷榜模型绝对不一样。

神秘面纱揭开

国产AI领先硅谷巨头

事情得从去年12月说起。

那时候，生数科技联合清华大学开源了一款叫Motus的大一统世界模型。

论文链接：https://arxiv.org/abs/2512.13030

项目主页：https://motus-robotics.github.io/motus

Motubrain官网：https://www.shengshu.com/zh/motubrain

才刚刚发布，Motus就已经在圈内小小震动了一下。

因为它在架构上把五种本来彼此割裂的具身智能范式，拧成了一个「看-想-动」的闭环：

VLA(视觉-语言-动作)、世界模型、视频生成、逆动力学、视频-动作联合预测。

这种统一世界-动作建模，通过一个模型统一建模视频「video」与动作「action」，使之前彼此割裂的5种方法都成为同一建模框架下的不同推理模式。

与以往方法不同，Motus联合建模「视频」和「动作」，学到的不再是机械反应，而是任务目标、环境变化、以及动作会带来什么后果这三者之间的深层世界知识。这让它更能适应新环境和新任务。

Motus引入「潜动作」机制，能从无标签的互联网视频、人类操作视频中提取通用的「运动规律」。

潜动作变分自编码器 (Latent Action VAE)。 这是一种基于光流的表征方式，通过变分自编码器架构将视觉动力学（visual dynamics）与控制信号相衔接

这让它可以利用近乎无限的海量数据来预训练，极大丰富了先验知识。

具身数据金字塔。 展示了从互联网数据（第一层）到目标机器人演示数据（第六层）的六级数据层级结构，其任务相关性和数据质量随层级逐级提升。

基于「专家混合」，Motus引入了混合Transformer (Mixture-of-Transformer, MoT) 架构，巧妙融合了视频生成、语义理解、动作生成三个已有的高性能基座模型。

这相当于让模型同时拥有了「想象力」、「理解力」和「执行力」。

Motus表现出了正向的规模效应，即学习的任务越多、数据越丰富，模型掌握的可迁移世界知识就越多，在新任务上的平均成功率反而越高。

这是它学到了通用规律而非死记硬背的有力证据。