新加坡提前一个月预告的总理交班进程，5月15日行至终章。

祖籍广东梅州、72岁的李显龙，结束长达20年的总理生涯，正式交棒给祖籍海南的“70后”黄循财。后者在受访时表示，李显龙将在随后出任国务资政。    7 月的上海，世博展览馆 H3 馆的过道比往年拥挤许多。

新加坡第一任总理李光耀、第二任总理吴作栋卸任后，都曾出任资政一职，对接班人“扶上马，送一程”。         入口处停着宇树的载人变形机甲 GD01，观众排队坐进驾驶舱拍照。

早在两年前，身为财长的黄循财，就被确认为下一代领导团队的领军人物，并出任副总理。往里走，300 多台机器人真机散在 200 多家具身智能企业的展台之间，具身智能无疑是这届 WAIC 最具象的展品。此后从内政到外交，李显龙都刻意让出空间给黄循财表现机会，甚至为其铺路搭桥。

B | 而视频生成公司的展台就设在机器人公司隔壁，播放演示片的屏幕连成片：机械臂倒水，无人机穿林，虚拟角色转身。

5月9日，李显龙在脸书贴出任内最后一次内阁会议的大合照，提携之意溢于言表。

“我们的制度不会在领导层交接时，让所有较年长的部长同时卸任，反而是他们会继续通过不同的方式贡献，较年轻的部长将有空间更快地胜任职务。”对于新内阁班子的组成，黄循财用英语预告说，现阶段不会有重大调动。

C |          不同公司的讲解员说着高度趋同的话：都在讲具身智能，都在讲世界模型。

D |          图：WAIC 2026 现场，宇树科技展台（来源：新蓝网）          穿梭在展台之间的投资人，面对诸多公司同样问着高度趋同的一套问题，核心聚焦在模型到底什么水平。但得到的答案却分别指向不同的东西。

从李显龙以国务资政一职继续发光发热，到黄循财关于不少原内阁部长将平稳过渡的表态，可以预见，接过权柄的黄循财会在大选前“萧规曹随”。有人打开手机展示 VBench 排名，有人调出 RoboTwin 2.0 的任务成功率曲线，有人谈仿真到真机的迁移数据。同一个词，在不同的展台上被不同的数字定义。         当具身智能与世界模型成为显学，榜单便不再只是技术社区的内部排名，而成了行业理解技术路线的入口，在某种程度上，更成了话语权本身。         一张拼图，三个榜单          2026 年以来，具身智能和世界模型几乎成了 AI 圈最热的两个词。

但时势风云变幻，从经济增长放缓到物价快速上涨，从本地居民生育率创新低到地缘政治环境向对抗性一端偏移，种种变化都将给新领导团队带来张力。         技术圈在讨论，视频模型到底能不能成为机器理解物理世界的路径。资本圈在讨论，下一代 AI 公司，能不能从“会说话的模型”走向“会理解、会预测、会行动的模型”。

E | 媒体圈的问题则更清晰、直白，当“世界模型公司”越来越多，到底该怎么看谁更强？          然而时至今日，世界模型依旧没有一个统一的定义和衡量标准。

F |

其中最关键的是，人民行动党所熟悉的，以领导团队高层统揽该国政策大方向的作风，很难一成不变地延续下去。         落到具体的评测上，世界模型目前还不是一种单一分数就能概括的能力，它更像一张尚未完成的拼图：视频质量、指令理解、时序一致性、物理规律、机器人执行、动作预测，每一项能力背后都站着一张榜单和一群拥趸。         那么，具身智能和世界模型到底该看哪些榜单？把这张拼图拆开，有三块版图绕不开：一张回答"像不像"，一张回答"懂不懂"，一张回答"动不动得了"。看懂它们，比看懂任何一场发布会都更接近行业的真实进度。还有一块回答"准不准"，它是整张拼图的底座，值得单独一章。         VBench：回答"像不像"          VBench 是目前视频生成领域最常用的评测体系之一，由南洋理工大学 S-Lab、上海人工智能实验室 OpenGVLab 等机构推出。

换句话说，在精英主义治国传统由来已久的新加坡，国家政治趋于多元化的转型过程中，如何尝试与更多不同的声音分享权力，或将成为“4G”（第四代）领导团队的重要议题。它从主体一致性、背景一致性、运动流畅度、美学质量等 16 个维度评价生成视频。

由于去年以来一系列风波，人民行动党正值多事之秋。         它回答的问题很直接：模型生成的视频，像不像真实世界，是否符合用户输入。

G | 2023年7月，新加坡交通部长易华仁因涉嫌贪腐和利益冲突被逮捕，成为该国近40年以来，第一个因贪污落马的内阁成员。         在 VBench 1.0 认证榜中，头部模型集中在 84 分到 88 分之间，差距已经很小。于是 VBench 在 2025 年推出 2.0 版本，将评测范围扩展到人类保真、物理、可控性、常识等维度，开始关注那些决定真实感、却容易被忽略的问题。

要知道，对于李光耀曾发誓领导人必须“比白人更白”的新加坡政坛而言，腐败是最为敏感的核心禁区，加上同样发生在去年下半年的“内阁议员卷入低价租赁国有住宅事件”“国会议长与同党未婚议员传出婚外情被迫退出执政党”等风波不断，人民行动党正面临如何重塑选民信任的难题。

“新加坡的廉洁程度得到国际承认，也大体得到国内民众的认可，执政党的总体情况毕竟还没有到达腐败堕落的地步，因此，诸如此类丑闻产生的影响并不会太大。         根据其 HuggingFace 官方榜单的认证视图，主要名次如下：          图：VBench-2.0 榜单：Veo 3 以 66.72% 居首（来源：HuggingFace Vchitect/VBench_Leaderboard，2026 年 7 月截图）          但 VBench 仍主要评价视频结果。”在深圳大学新加坡研究中心主任吕元礼看来，新加坡绝大多数的民意是，既希望国家多一些反对的声音，也害怕真正的政治变天；“制衡”是许多更为年轻的狮城民众在近年大选里，最为直接的政治诉求。

根据新加坡宪法，下一届国会选举不得晚于明年11月。

H | 画面可以逼真，模型却未必理解画面背后的规律。         WorldModelBench：回答"懂不懂"          如果视频生成模型被称为“世界模型”，它就需要接受更严格的检验。外界曾预测，新加坡可能将于今年提前举行大选，以增强黄循财执政的合法性，并利用人民行动党在今年11月21日建党70周年的窗口时机，来推高支持率。         2025 年，来自 UC Berkeley、UC San Diego、NVIDIA 和 MIT 的研究者推出 WorldModelBench，把模型放进物理和常识环境中测试。         该评测覆盖机器人、驾驶、工业、人类活动等 7 大领域，包含 350 条提示词和 6.7 万条人工标注，从指令遵循、物理规律、常识三个维度打分。

但随着围绕执政党的这些风波发酵，第14届国会选举的走向又添变数。

过去，人民行动党在新加坡国会常年占据90%以上席位，且民意支持率也居高不下。其中物理遵循占总分一半。原因很简单：世界模型最重要的能力之一，是预测物体在真实世界中会如何变化。

I |          结果显示，即使表现最好的模型，也只有 61% 的视频正确完成指令；12% 的视频违反质量守恒，11% 出现物体互相穿透。

J |          模型能生成一个看起来合理的世界，但距离真正理解世界，还有明显距离。

可到了2020年国会选举，尽管执政党凭借一场差强人意的胜选，为如今的“4G”接班创造了相对稳定的政治环境，但三个选区败选、61.24%的总得票率成绩，仅排在历史上倒数第二位，成为了执政党在党外面临的重大政治考验。         图：WorldModelBench 官网榜单（来源：worldmodelbench-team.github.io，2026 年 7 月截图）          RoboTwin 2.0：回答"动不动得了"          世界模型终究要服务于行动，再往拼图下游走一格，机器人能否干活便成了一个很重要的维度。         RoboTwin 2.0 由上海交大 ScaleLab 与港大 MMLab 主导、上海人工智能实验室参与。它包含 50 个双臂协同操作任务，抓取交接、工具使用、可形变物体操作，跑在 SAPIEN 仿真器上，支持 Aloha-AgileX、ARX-X5、Piper、Franka、UR5 共 5 种双臂本体，配套一个 731 个实例、147 个类别的物体库，通过 Easy 和 Hard 两种环境，测试机器人能否从仿真走向更复杂的真实世界。         早期结果显示，在 Hard 设定下，多数方法成功率仍低于 20%。

当时对于王瑞杰的“请辞”，外界就有观点认为，或是为其在临时转战的东海岸集选区的“惨胜”负责，也表明了高层尊重“4G”领导人的民意基础、反复检验下届总理资历的谨慎态度。机器人能够完成特定任务，但距离稳定、泛化地完成任务还有很长距离。         图：RoboTwin 2.0 官方榜单（来源：robotwin-platform.github.io，2026 年 7 月截图）          三张榜单，三种能力，各自有发布机构和评分体系。

在另一边，反对党在国会史无前例地赢得了10个议席，让李显龙政府在这届国会里痛失一位部长、一位高级政务部长（类似于常务副部长）和一位高级政务次长。

对此，深圳大学教授吕元礼表示：“过去，反对党在国会的议员数量太少，在国家政治参与上，没有条件发挥太多建设性的作用。没有一张榜单能独自定义世界模型，放在一起，他们才勾勒出一条从生成、理解到行动的能力链。在2020年国会选举过后，尽管其仍然远远没有到30%的议席，尚且无法对执政党修宪等重大事项形成有力阻拦，但对执政党已经发出了明确讯号——要吸取教训，将重点放在选民当下更关注的议题上。”

2022年6月时，处于接班筹备阶段的黄循财，发起了名为“新加坡携手前进”的运动：通过多场对话活动的形式，邀请超过20万的新加坡人建言献策，聚焦于经济发展成果的合理分配等公平问题。但这个链条还缺少一个最关键的环节。

“黄循财带领的‘4G’团队第一次表露如此重要的施政纲领，说明执政党仍在坚持不懈地将重心从过去强调如何‘做大蛋糕’，发展到关注如何‘分好蛋糕’，直面以往指其相对‘亲商而不够亲工友’‘亲新加坡而不够亲民’的批评声音。”吕元礼分析称。         Physics-IQ：回答"准不准"          人类做很多动作时，会下意识在脑中预演结果。

在李显龙的内阁成员中，属于年轻一辈的黄循财，曾经在基层公务员的岗位上有14年的历练。在被李显龙看中后，他为之担任了三年的首席私人秘书。

也正是李、黄自此而始的工作交集，让两人有着较高的默契度，使得未来新加坡的领导工作和政策衔接更加顺畅。推一下杯子，它会滑多远，会不会翻倒；倾斜水壶，水会从哪里流出来；把两块磁铁靠近，它们会吸住还是弹开。         机器人也需要这种能力。

2011年，在李显龙鼓励下，黄循财当选国会议员，正式踏上从政道路。它必须根据眼前的状态，预测几秒后会发生什么，再决定下一步动作。视频世界模型经常在这里犯错。

K | 这类预测如果不准，后面的规划和执行都无从谈起。         测量这一底座能力的基准叫 Physics-IQ，由 Google DeepMind 与 INSAIT 联合推出，论文发表于 WACV 2026。         2026 年 6 月，原团队联合 Anates Labs 发布修正版 Physics-IQ Verified，修正了 57.6% 的样本标注问题，改用逐样本加权计分。在贸工部、财政部、教育部等至少8个政府部门，有过丰富任职经历的黄循财，长期习惯于在幕后工作，以致后来曝光率提升后，还被媒体认为是“名不见经传的小公务员”。

L |

这位早就与李显龙结缘的财长，真正走入狮城民众视野，则是得益于他在2021年4月下旬，出任新加坡抗疫跨部门工作小组领导人后的工作表现。

M |          它的设计与前述榜单都不同：研究者真实拍摄了 66 个物理实验，覆盖固体力学、流体、光学、热力学、磁学五大类，每个实验 3 个机位、实拍 2 次，共 396 段 8 秒视频。

这一任命，恰巧发生在李显龙早先属意的接班人、副总理王瑞杰，宣布“请辞接任总理”之决定的几天前。模型只看前 3 秒，预测后 5 秒会发生什么，再与真实拍到的后续画面比对。

彼时，由于外向型经济、人口密度大的缘故，新加坡的新冠病例数并不令人乐观，整个国家的抗疫工作尚处于摸索阶段。

黄循财作为上述负责疫情防控总体事务的机构的联合领导人，发表了多项重要公告，在场场记者会上密集曝光，被认为是新加坡得以平稳应对疫情危机的关键人物。

更年轻的时候，在上世纪90年代，黄循财拿着新加坡政府资助的全额奖学金，赴美攻读了经济学学士和硕士学位；工作之后，还在哈佛大学拿到了公共管理专业的硕士学位（成为李显龙的校友）。

N | 4 项指标合成一个 0 到 100 的 Physics-IQ 分数，并用同一场景两次实拍之间的差异做归一化：真实世界自己重拍一次都不会完全相同，模型的预测就被拿来和这种自然波动比较。

纵观黄循财的政治履历和成长背景，这是一位相当典型的新加坡经济技术官僚所呈现的发展路径。         Physics-IQ 考察的是更底层的问题，即这个模型是否真的理解物理。

o | 这也正是图灵奖得主 Yann LeCun 多年来反复主张的观点，“AI 需要建立关于世界的内部模型，而不是只会生成内容”。

p | 他担任 Meta 首席科学家期间， Meta FAIR 便把 Physics-IQ 当作核心评测基准。

有来自黄循财的母校美国密歇根大学、与其在学生时代就相熟的教授表示，黄循财并不属于魅力型人物，却是一个懂得适时表达情感的“正派人物”，是执政党内“最安全”的一个选项。

q |          然而翻开 Physics-IQ 的官方榜单，排在第一的却并非 Meta 的模型，也不是英伟达投入重金的Cosmos，而是一个中国的视频生成模型。         2025 年 4 月 21 日，Sand.ai 的 Magi-1 以 56.0% 的得分上榜登顶。当时的榜首、Google 的 VideoPoet 只有 29.5%，Magi-1 几乎把这个数字翻了一倍。

值得注意的是，通过抗疫工作证明自己能力的黄循财，也在2021年王瑞杰发表“请辞”声明后，从后者手里接过了财长职位。

r | 从那天算起，Magi-1 系在第一名的位置上坐了约 13 个月，中间只离开过三周。         这张表有三种读法。         看裸模型：前三名里有两个建立在 Magi-1 之上，Magi-1 的 56.0% 是 v2v 设定下的裸模型最高分，远高于 Sora 2 裸模型的 42.3%，Cosmos3-Super 裸模型的 59.7% 出自不同设定，两者不直接可比。

s |               看增强系统：2026 年 5 月，英伟达最新发布的旗舰世界模型 Cosmos3-Super 加持 WMReward 后冲到 63.4%，短暂登顶约三周；6 月 17 日，基于 Magi-1 的增强系统以 64.5% 重回第一。

t |               图：Physics-IQ 官方榜单：Magi-1 系居首，Sora 2 裸模型 42.3%（来源：physics-iq.github.io，2026 年 7 月截图）          再看修正后的新榜：2026 年 6 月发布的 Verified 版本上，Magi-1 24B 增强版 58.2 分排第一、裸模型 48.4 分排第二，Cosmos3-Super i2v 39.5 分，Sora 2 只有 26.5 分。              图：Physics-IQ Verified 修正榜（来源：physics-iq-verified.anates.ai，2026 年 7 月截图）          把两张榜单放在一起看，会出现一个反常识的画面。OpenAI 的 Sora 在 VBench 这类回答"像不像"的榜单上名次并不难看，到了 Physics-IQ 上，Sora 2 裸模型只有 42.3%，不足榜首 64.5% 的三分之二；Verified 新榜上只有 26.5 分，不及榜首 58.2 分的一半。         生成得逼真，和预测得准确，被证明是两回事。         把视频生成做成"预测下一个词"          Magi-1 赢在哪里？论文给出的答案是架构选择。

“财长这个位子，是新加坡内阁里最有分量的一个职位。之前计划要接替李显龙的王瑞杰，翻看他的履历，在6年财长任内，制定推出过10个国家预算案。         当下主流的视频生成模型，Sora、Kling 等，走的都是扩散路线：一次性生成整段视频，所有帧同时去噪，彼此之间没有严格的时间先后。         而Magi-1 的做法更像语言模型预测下一个词：按时间顺序逐块生成，每块 24 帧，块内部用扩散去噪保证画质，块与块之间自回归衔接。这些都是党内高层在考察下任总理候选人时，必然考虑的历练因素。

u | ”吕元礼对南风窗表示。

或从军营里积累声望，或自文官体制脱颖而出，曾属于第四代领导班子人选的王瑞杰、王乙康、陈振声等，包括黄循财在内，他们的崛起经历相似。

在重视官场背景的星洲政坛，戴着一副无边框眼镜的黄循财，乍入观察者的视野，给人的直观感觉，难以跳脱出“执行能力强”“奉公守法”“办公经验丰富”等固有印象标签，却也让外界猜测：这位在国家独立后才出生的政治人物，没有经历过祖国挣扎求生、艰难奋斗的年代，面对复杂多变的国内外局势，会否有趋于保守的倾向，乃至缺少锐意改革的魄力？

而在民众眼里，黄循财有着更多贴近生活、值得赏识的一面。弹奏霉霉成名曲“出圈”的他，在有着20万左右粉丝的社交媒体账号上的自我介绍是：书虫、吉他手和爱狗人士。通过 block-causal attention，后来的帧不会影响过去的帧，过去一旦被写下，就不再被影响。         图：Magi-1 逐块自回归生成与块因果注意力示意（来源：SandAI-org/MAGI-1，arXiv:2505.13211）          这个架构天然更接近世界模型该做的事：根据世界的此刻，推演下一秒。它还带来几个工程上的特征：支持流式生成，视频可以边生成边播放；理论上可以无限长地续写下去。

v |

相比党内精英毕业于牛津和剑桥，平凡家庭出身、学历背景稍显黯淡的他，被新加坡的年轻网民戏称为“精英中的草根，草根中的精英”。对世界模型而言，这意味着推演的时间跨度不受窗口限制，仿真可以一直进行，还可以逐块更换提示词，控制后续走向。         如果把关键词从“生成”换成“预测”，Magi-1 和 LeCun 主张的 JEPA 路线便有了一种理念上的深层呼应。

甚至曾有报道说，儿时黄循财一家人居住的新加坡公屋治安不佳，他与哥哥曾亲历过家庭被入室盗窃的事件：被窃贼捆绑后，眼睁睁地看着歹徒搜刮走家中的值钱物件。

w | LeCun 在 2022 年发表立场论文《A Path Towards Autonomous Machine Intelligence》，提出 JEPA 架构：不在像素空间预测世界，而在表征空间预测，主动忽略那些不可预测的细节。《经济学人》的评价或许更为形象：“他也是那种你会想一起喝啤酒的男人。这条路线后来长成一个家族：I-JEPA、V-JEPA，再到 2025 年的 V-JEPA 2，用百万小时视频训练，其衍生版本可以做零样本的机器人规划。

x | ”

或许对于习惯以家长式作风治理新加坡的人民行动党来说，经历了上届大选的波折，是有意识地希望寻觅到更为接地气而富有人情味的领导者，来更好地融入未来的国家发展——2020年3月，在国会发言感谢前线的抗疫人员时，动情的黄循财哽咽近三分钟，当场落泪，为他赢得了舆论的一致好评。         图：Yann LeCun 在 2026 年 6 月巴黎 VivaTech 演讲（来源：La Ecuación Digital）          一个在像素世界里逐块自回归，一个在表征空间里做预测，虽技术方案完全不同，但都指向同一个判断，即能够预测物理世界变化是世界模型的必要条件。

从更宏观的角度看，2022年以来东南亚多国领导班子换届，从菲律宾到柬埔寨，再到印度尼西亚，新老领导班子之间都有提携部下或幼辈的关系，似乎体现了政治治理在经济相对快速增长下的某种延续性。

y |

长期以来，人民行动党的党内遴选机制，对外公开的程度相对有限。吕元礼认为，对比东南亚邻国相对更为直接的民选制度，新加坡领导人的更替方式，存在着所谓“伯乐相马和制度赛马相结合”的一定独特性。

观察黄循财在党内的遴选“出栏”之路，吕元礼向南风窗分析称：“‘伯乐’的眼光很独到，有利于找到普通人一时识别不了的人才，但‘伯乐’也是人，难免有可能存在一定的私心。         尺子一旦出现，叙事便有了边界          在WAIC 的论坛上，"世界模型"被反复提起。7 月 19 日的一场人形机器人与具身智能论坛，主题之一正是"标准体系不统一"。

z | 开幕当天有观察文章写道：通用世界模型正在成为人形机器人的新竞争壁垒。

虽然新加坡的执政党没有公开的党内竞争选举模式，但党与党之间的竞争确实存在，‘伯乐’可能出现的私心，可以一定程度地得到刚性制度的制约。

| 此外，上任领导人物色的人选需要得到同侪的推举，同代成员的意愿体现同样重要。

|          竞争的坐标系确实在平移。

| 过去几年，视频模型的发布会比的是"像不像"：分辨率、时长、美学分。Physics-IQ 这类榜单的出现，把问题换成了"物理世界变化预测的准不准"。

| ”

一个巧合之处是，当年新加坡第二、三任总理交替之际，非典疫情正对众多东南亚国家的社会经济造成严重冲击。

当时的吴作栋，面对外界关于他何时辞任的询问时，立下了“只有新加坡经济完全摆脱2003年非典造成的阴影后才会卸任”的誓言，并在2004年8月平稳完成交接。它的价值不在于新添了一张榜单，而在于把世界模型从一个抽象概念，拉回到具象的物理世界：杯子会怎么倒，水会怎么流，光会怎么折。

| 这些东西没法靠话术修饰。

20年光阴荏苒，迈过新冠疫情危机的新加坡，在2024年经济增长率、核心通胀率等宏观指标有望全面向好；而在经济基本面平稳复苏的背景下顺利交棒，这也为李显龙政府的最后一个任期画上了圆满句号。坐标系的变化不会写在任何一场发布会的邀请函上，但它会决定下一年资本流向哪里、人才流向哪里。

|          榜单会迭代，名次会更替。但标准一旦确立，理解行业的方式必然会被改写，模糊的叙事也就有了相对清晰的边界。         尺子一旦有了，量出什么，就是什么。

变与不变的综合考量中，滨海湾的鱼尾狮仍源源不竭地喷吐着水柱。喊出“携手前进”的黄循财内阁，能否带领新加坡在下一篇章，继续书写“淡马锡模式”的繁荣神话？“4G”时代开启，新的挑战也来了。