2026年世界AI大会の円卓会議で、招待者たちは一致して、ワールドモデルの中核は物理法則を理解し、将来の状態を予測することであり、多様(モーダル)融合、因果推論、長期予測能力が必要であって、画面の描画だけではないと考えている。データのボトルネックは明らかで、理想的な学習には、モーダルがそろっていること、高頻度のインタラクション、かつ実際のシーンから得られることが必要だ。身体性(エンボディド)知能には、数億時間に及ぶ現実のインタラクションが求められる。実装面では、製造業が今後3年間の重要なシーンと見なされており、知元は6日で6万件、99.99%の成果を達成する編隊作業を実現し、1,000台規模の展開を進めている。3者は、汎用的な身体性知能まではまだ遠く、専用シーンと高品質データ、シーンのクローズドループ検証が突破口になるだろうと考えている。