当AI进入下半场，拥有世界模型的灵生科技，关心的问题不是大模型参数、工程上的方法论，而是一个更底层、更现实的问题，那就是底层的数据怎么存、怎么找、怎么用。

　　▲灵生科技合伙人蒋玉骅

　　“我们在做VLA（Vision-Language-Action，视觉语言动作模型）和WAM（World Action Model，世界动作模型）这两种范式的转换和迁移。在此过程中，我们遇到比较多的问题是数据存储问题，包括图片或者视频的Latency（延迟）以及需要的存储空间更大了，还有存储的碎片化和难以检索问题。” 灵生科技合伙人蒋玉骅，在2026腾讯云AI产业应用大会上，接受媒体采访时表示。

　　什么是世界模型？业界似乎已经把这个概念“用烂了”！

　　当前，世界模型比较主流的范式有：一种是WAM。输入是位姿，输出是此时此刻我做的动作以及我的决策，以及对未来视频的预测；还有一种是AWM（Action World Model行动世界模型），输入是当前的动作和当前的图像、当前的状态，输出才是未来的图像，未来会发生什么以及未来的动作。还有一种是AC-WM（Action-Conditioned World Model动作条件世界模型）。前两种模型看上去架构上差不多，但训练数据的格式不一样，在推理时候的输入、输出格式也不同。

　　业界谈论最多的世界模型，大多是指游戏场景，用户操纵角色探索，世界模型生成结果。但在具身智能领域，机器人接收的是语言指令，不是动作指令，这是本质区别。

　　灵生科技的路线是，两种模型都在部署，WAM除了用于游戏场景，在具身智能领域也在产生新的数据，以及筛选旧的数据。

　　打造世界模型，不是“先有数据再训练模型”的单线关系，而是数据与模型的“双向飞轮”。在数据供给方面，灵生科技有自己的数据采集工厂和稳定供给渠道，能持续为模型训练提供数据，帮助企业训练出更好的世界模型。同时，当世界模型成熟后，能反过来辅助数据筛选、提升数据质量，甚至生成Ego或UMI这类数据。在部分场景下相比纯仿真数据更接近真实交互数，会回流到下一轮模型训练中，形成完整的数据闭环。

　　从训练数据来源看，灵生科技的数据种类非常丰富，主要包括：1.无本体数据，主要是UMI和Ego；2.跨本体数据，涵盖各种机械臂、灵巧手等。这也是公司为什么需要腾讯云在算力和存储上进行支撑的根本原因，主要解决"数据多样性"和"泛化性"等挑战。

　　世界模型的存储瓶颈

　　如果说，Scaling Law是上半场的主导逻辑，那么下半场要回答的问题是：这个逻辑还能不能继续跑下去？

　　“对于传统大模型来说，Scaling Law的边界已经越来越明显，算力有天花板，模型有天花板。但我们灵生科技在做的世界模型，这块还有很大潜力挖掘。” 蒋玉骅认为，围绕具身智能场景的模型和数据规模，Scaling Law还有很大的探索空间。

　　就模型规模而言， 目前业界的世界模型基本都在10B以下，10B以上的很少。Scaling Law在这个尺度上远没有被研究透，学术界也没有像LLM那样从几十M到几百B的完整数据曲线，没人做过这件事。而在数据规模上，具身数据仍然稀缺，哪怕用我们自己原生的模型去验证数据的Scaling Law曲线，也还处在非常早期的阶段，大概还只是对标GPT-3的时期。

　　实际上，世界模型的打造，受制于存储容量，也受制于存储和GPU之间的通信带宽。而具身智能的数据有个显著特征，那就是极度碎片化，由大量小文件构成，与LLM训练中常用的JSONL格式差距很大。如何突破数据加载的瓶颈，是AI下半场必须解决的关键问题。

　　▲腾讯云存储总经理陈峥

　　“腾讯云存储，在两年前已开始接触具身智能赛道并完成前期调研，这与我们四年前提前布局自动驾驶赛道的逻辑一致。自动驾驶近两年数据量增长显著，我们判断具身智能未来一到两年也将迎来数据爆发。” 腾讯云存储总经理陈峥，针对具身智能发展趋势做出了前瞻性判断，同时分享了存储产品的演进过程。

　　灵生科技和腾讯云在具身智能赛道一直有着深度合作，包括将采集硬件与腾讯云产品打通，通过"边-云-端"协同方案将数据采集上云，同时将数据反哺模型训练，再将模型下发至各类终端硬件。

　　为了满足具身智能的未来发展需求，腾讯云在存储产品侧早已提前部署。比如：统一存储，将音视频和图文统一存入对象存储COS上面，打造一站式数据底座。再比如：通过数据加速器GooseFS，将目标数据预热至GPU所在节点，确保GPU不空转，提升算力利用率。此外，智能检索 MetaInsight具有多模态数据的理解能力，数据上传时同步写入向量存储桶，支持基于自然语言的“向量+标量”的混合检索。通过“采集→存储→检索→模型反哺” 这样一整套端到端完整的解决方案，可以帮助客户不仅"存好数据"，更能"用好数据"。

　　从算力崇拜，回归到存储与算力的均衡

　　“我们此前的数据采集流程较为粗放，数据采集后直接上传平台，没有经过复杂的预处理环节。但面向模型预训练，应该是采集即预处理。” 蒋玉骅具体介绍了与腾讯云存储的合作重点。

　　数据采集最理想状态是，数据平台在接收数据时可通过 Agent 调用 VAE 或 T5 Encoder 等模型，实时完成数据压缩（如 VAE 图像压缩、T5 文本编码），并同步保存对应的 encoding 结果及 Action 信息。借助腾讯云 GooseFS，这一过程的额外时延可降到最低。

　　这就引出了另一个关键挑战：GPU 空转问题。实际训练中，瓶颈往往不在 GPU 本身的存储，而在于加载数据的速度。传统对象存储在高频小文件场景下加载效率不足，导致 GPU 被迫等待。灵生科技通过“COS + GooseFS”的分布式缓存加速方案，有效突破GPU加载瓶颈，把 GPU 利用率跑满，这对预训练阶段的数据吞吐和训练效率至关重要。

　　至于，算力和存储到底是怎样一种关系？

　　“不是说存储取代算力，而是过去被低估的存储记忆，正变得越来越重要。”陈峥认为，算力解决的是能跑多快的问题，存储记忆解决的是“能不能记得住、找得到的问题”。这两者的范式正在发生新的进化，过去我们崇尚单点算力，现在回归到算力与存储记忆的均衡。

　　回顾过去，腾讯云存储经历了不同阶段的演进：

　　第一阶段：借助通用存储，解决非结构化数据存储问题，实现降成本、提高可靠性目标；

　　第二阶段：AIGC 时代（约三四年前），解决大模型训练的数据效率，让GPU更快地获取数据、存数据，包括通过分布式缓存，把用户想要的数据快速加载在GPU的设备或者端点上；

　　第三阶段：Agent Storage的推出，主要通过三大核心产品构建统一智能底座： Agent Bucket 为每个智能体/用户提供独立的 Space 空间隔离，支持文件系统语义与 MountPoint 挂载能力，可支撑亿级用户规模；Vector Bucket 相较于传统方案降低超90%，单索引支持20亿向量，热数据查询百毫秒级响应；MetaInsight 让 Agent 深度理解数据内容，支撑从百万小时到千亿小时级数据资产的高效检索与智能理解。三者协调，让存储成为能理解内容、支持检索、并主动服务于 Agent 的统一智能底座。

　　针对时下大家关注的Agent Infra 部署，腾讯云不是单点突破，而是一套组合拳。其中，Agent Runtime 是一个集合概念的运行环境，底层由 Agent 沙箱、Memory、安全等能力进行一体化支撑，以智能体套件的形式系统性解决 Agent Infra 问题。目前，除了微信、QQ 这类亿级 C 端产品外，腾讯自研业务 WorkBuddy 也基于这套 Agent 体系搭建，背后是海量数据与海量请求的实战检验。

　　面对硬件产能波动带来的存储成本上涨压力，陈峥的建议是：企业要做好数据治理，利用冷热分层与介质流转（如从SSD到HDD再到磁带），实现成本最优。灵生科技给出的应对策略是：预训练阶段追求低成本、大体量、多场景的数据覆盖，不苛求高精度；后训练阶段则聚焦高成本、高精度的精细化标注数据。

　　写在最后

　　这场对话揭示了一个清晰的趋势：AI的竞争维度正在从单一的模型参数竞赛，转向基础设施与数据闭环的综合较量。

　　无论是灵生科技在世界模型训练中探索的“数据飞轮”模式，还是腾讯云试图通过Agent Storage 构建“智能体统一存储底座”，都在指向同一个方向，在算力普惠之后，谁能更高效地管理、检索并利用数据，谁就能掌握通往AGI的门票。

　　从存储层面来看，迎接数据大爆发带来的机遇与挑战，才刚刚开始！