06
- 06
人工智慧技術與産業發展一日千里。通往通用人工智慧的路上，下一個賽點是什麼？在6月12日開幕的北京智源大會上，答案逐漸清晰：全球AI競爭的核心坐標，正從“虛擬世界的內容生成”轉向“物理世界的真實交互”。記者跟隨2026年“活力中國調研行”北京主題採訪活動團隊走進智源研究院，探析這一轉折背後的北京力量。
機器人正跨越“最難”能力壁壘
一個小女孩在臥室熟睡，臥室門開著，廚房傳來嘈雜的洗碗聲。爸爸沒有説話，只是簡單揮了揮手，媽媽便瞬間領會意圖，起身關上了臥室門。
這個看似尋常的生活場景，實則暗藏著機器人最難跨越的能力壁壘：理解物理世界的複雜資訊並作出決策。在這一過程中，大腦需要全程自主感知環境與聲音，結合“女兒在睡覺需要安靜”的上下文，解讀爸爸手勢中的暗示，最終做出“關門”的決策。全程無需語言指令，靠的是人腦對物理世界天然的認知與決策能力。而未來，機器人要具備這種能力，依靠的正是“世界模型”。
6月12日，在北京智源大會上，智源研究院推出了世界模型最新成果，悟界·Physis-v0.1和悟界·Robo-Brain Orca。
作為全球首款通用世界基座模型，悟界·Physis-v0.1正構築真實物理世界人工智慧底層核心引擎。它能有效彌補主流人工智慧模型不懂真實物理規則、物理推演結果可信度低、長程時序記憶缺失的核心短板，以通用基座能力實現在各種場景中物理交互、感知與決策的統一性，提升AI物理推理的真實性與可靠性。悟界·RoboBrain Orca則是以下一個物理狀態預測為核心的具身大腦。它打破了傳統AI僅能理解文本的局限，推動AI從理解文本走向感知、預測物理世界並與之交互。
有了世界基座模型和具身大腦的支撐，AI便擁有了跨越“數字虛擬”與“物理現實”之間鴻溝的核心能力。打個比方：機器人不僅能自主識別“杯子在桌子邊緣”，更能預判“杯子掉下去會摔碎”，還能分辨“蓋好蓋子”與“沒蓋好蓋子”的水杯跌落帶來的不同後果。
構建面向物理世界的智慧“基座”
究竟何為世界模型？為何必須研發世界模型？“世界模型，是面向物理世界的基座模型。”智源研究院院長王仲遠説。
長期以來，AI多停留在聊天、寫代碼、生圖等“虛擬”層面。然而，無論是機器人作業、自動駕駛還是科學發現，都需要具備對物理規律的深刻理解與因果推理能力，這恰恰是當前大模型和視頻生成模型的短板。王仲遠舉了個例子，視頻模型能生成天上飛的豬，這在數字世界是趣味，在物理世界卻是災難。
王仲遠提出，要讓AI真正進入物理世界，解決製造業、醫療、物流、養老等實體經濟的痛點，世界模型須具備幾項核心能力——物理正確、動作因果可溯、長程一致和通用泛化。
首先是物理一致性，即模型能理解並遵守真實物理規律。其次是動作因果性，模型需理解動作與狀態變化的因果關聯。長程可推演性，指的是模型需要在較長時間跨度內保持邏輯連貫，不“失憶”、不“亂編”。通用泛化性，即一個基座模型能夠適配多種場景，同一個“大腦”既能指揮機器人端茶倒水，也能用於自動駕駛預判行人意圖，還能輔助新藥研發——這正是世界基座模型區別於傳統專用模型的核心價值。
“真正的世界模型，必須能理解和推理真實物理世界的時間、空間、物理規律，並具備主動交互的能力。”王仲遠表示，當下世界模型仍處於發展早期，仍需開展大量科研探索。
北京隊競逐萬億市場“無人區”
過去幾年，從大語言模型到視頻生成模型、多模態大模型，AI技術演進遠超預期。下一個顛覆性範式是什麼？對此，王仲遠認為，世界模型特別是世界基座模型，有望在未來5到10年成為人工智慧領域的重大技術顛覆和研究範式。
作為全球最早佈局該領域的機構之一，智源的步伐堅定且清晰：2023年智源大會期間，圖靈獎得主、有“卷積神經網路之父”之稱的楊立昆提出新一代世界模型概念，2024年，智源將世界模型明確為下一代大模型技術，並在同年發佈悟界·Emu3模型。2025年推出全球首個原生多模態世界模型悟界·Emu3.5。如今，悟界·Physis-v0.1與悟界·RoboBrain Orca兩項成果的推出，再次印證了這支“北京隊”向世界基座模型“無人區”發起的衝鋒。
一場圍繞世界模型的萬億級市場競賽已然打響。近幾個月，谷歌、英偉達等巨頭紛紛重兵押注。據摩根士丹利預測，到2035年世界模型所賦能的産業規模將達10萬億美元；國元證券也提出，2030年全球搭載世界模型的機器人市場將突破3萬億元，成為AI下一輪增長的核心引擎。
令人振奮的是，全球圍繞世界模型的技術路線仍處於探索階段。與大語言模型時代海外巨頭具備極大的先發優勢不同，在這一全新賽道上，中國科研界已不再僅僅是跟隨者。“我們已經有了自己獨立且原創的技術路徑，甚至開始去定義問題、定義技術路線本身，在世界模型這片無人區，中國正與世界處於同一起跑線。”王仲遠説。（孫奇茹）
