回顾国内AI的早期发展历程，一定离不开北京智源研究院。2021年3月，智源发布的悟道1.0率先开启中国大模型探索，唐杰、杨植麟、刘知远等后来的国内大模型翘楚均曾在此工作，也正因如此，智源研究院一度被视为国内大模型的“黄埔军校”，再到近年来大热的具身智能，银河通用创始人王鹤也曾在智源研究院工作。

当时间推移到2026年6月，智源的主要研究方向却并不再是大语言模型。理由很简单。“作为新型研发机构，智源主要做高校、企业不愿意做的人工智能方向重大科研创新，我们一直都在人工智能大模型的最前沿。”智源研究院院长王仲远告诉新京报贝壳财经记者。

什么是“最前沿”？王仲远说，是世界模型。

而智源敢于给出这个答案的底气，源于其作为国内最早提出并开展世界模型研究的科研机构，对这一方向的长期押注与持续深耕。也正因为站在这个位置上，王仲远认为智源有责任为世界模型“正本清源”。

世界模型不是视频生成，而是“预测下一个物理状态”

新京报贝壳财经记者曾体验过不少“世界模型”产品，如用户提供一张图片，世界模型可以依据该图片生成一个“3D世界”，一些产品还允许用户进入该“世界”进行移动探索，从表现形式来看，更类似视频生成或者网络游戏。

但在王仲远看来，视频生成并不等于世界模型，“现在业内普遍把视频生成模型称作世界模型，源头是OpenAI发布 Sora时用了‘世界模拟器（World Simulator）’的说法，这个叫法原本只是形容视频生成。如今热门的视觉－语言－动作模型（VLA）、世界动作模型（World Action Model），本质上仍是以像素为中心的技术路线，只是把画面视频和动作数据拼在一起。目前来看，大家都在叫的世界模型都不是真正意义上的世界模型。”

什么是世界模型？这一概念实际上众说纷纭，6月初，被誉为“AI之母”的李飞飞就曾发布长文，试图给世界模型“下定义”。而此次对话，王仲远给出了一个更易理解的答案——世界模型作为面向真实物理世界的下一代基座模型，以“预测下一物理状态”为核心，代表着人工智能的下一个重要范式跃迁。用更易理解的方式表述：如果说大语言模型预测的是“下一个Token（词元）”，世界模型所预测的则是“下一个物理状态”。相比大语言模型预测的是“下一个Token（词元）”，世界模型所预测的应该是“下一个物理状态”。

“你看到的3D世界生成的产品概念更多应用于虚拟世界，在这一领域，目前许多游戏已经拥有了非常逼真的模型、光线以及物理引擎。但仿真引擎也有自己的上限。我们所希望的世界模型是大模型驱动，只要数据量足够就会远超人类经验构建出来的引擎。在潜力方面，就像现在大语言模型将来用于科学发现一样，世界引擎也可以用来帮助我们发现新的规律，作为未来的世界基座模型，世界模型在理论上存在更大的上限空间。”王仲远告诉新京报贝壳财经记者。

王仲远表示，智源一直都在人工智能大模型的最前沿，“早在当年的语言大模型时代，我们发布了悟道1.0、2.0和3.0，也走出了智谱、面壁、月之暗面这些主流大模型公司。正是因为有了这样的布局，才会有大模型不同阶段的成果产出。而2023年，杨立昆在智源大会上首次提及世界模型，2024年智源发布悟界·Emu3，2025年10月发布悟界·Emu3.5——这一原创性成果在今年1月登上Nature正刊，创造了国产多模态大模型的众多纪录；2026年则推出悟界·Physis-v0.1和悟界·RoboBrain Orca，一直在探索前沿。”

据了解，悟界·Physis-v0.1是全球首款通用世界基座模型，构筑真实物理世界人工智能底层核心引擎，重塑AI物理感知与推演的底层技术体系。悟界·Physis-v0.1彻底打破传统AI垂类场景专用的技术瓶颈，针对性解决行业共性难题，能有效弥补主流人工智能模型不懂真实物理规则、物理推演结果可信度低、长程时序记忆缺失的核心短板，以通用基座能力实现全场景物理交互、感知与决策的统一，从根源提升AI物理推理的真实性与可靠性。

依托独创技术架构构建行业领先壁垒，悟界·Physis-v0.1以物理隐空间表征替代传统像素、帧级预测方案，实现跨场景通用物理规律强化学习。搭载专属物理状态编码器，可完成视频、深度RGB、3D点云、力触反馈等全模态信息压缩，统一转化为标准化隐空间物理状态 Latent State。模型支持50+复杂物理场景长程推理，具备物理一致性、动作因果性、长程可推演性、通用泛化性四大核心能力，凭借高效的推理效率与极强的泛化能力，达到行业领先水平，可广泛应用于严肃工业、具身智能、物理仿真、科学研究等真实物理场景。

而悟界·RoboBrain Orca 是以下一个物理状态预测为核心的具身大脑，构建 “统一表征 — 建模 — 预测 — 交互” 完整闭环，实现从 Next Token / Frame / Action Prediction 升级为 Next Physical State Prediction，彻底打破传统AI仅能理解文本的局限，推动 AI 从理解文本走向感知、预测与交互物理世界，并融合大量Ego-centric交互数据，强化了世界模型的具身表征，有效提升下游少样本与跨场景的泛化能力。

悟界·RoboBrain Orca具备统一表征、因果推演、模态解码三大核心能力，可同时生成语言思考、视觉预测与动作决策，实现“想、看、动”三位一体，赋予具身智能机器人打通“认知—预测—行动”完整链路的能力，支撑具身智能机器人在物流场景、酒店服务场景等真实环境中的长期自主作业。

“从智源研究院的角度来看，我们一直沿着几年前对于人工智能技术的预判不断发展。”王仲远强调，智源不是在跟风，而是在按照既定的战略方向稳步推进。大语言模型两年之前就已经完成探索，交给智谱、面壁、月之暗面这些企业去做；现在把重点放在世界模型，因为这是下一个十年的主战场。

他的理念是：技术先行，早于产品，早于系统，“就像深度学习是从2006年提出的理念和解决方案，Transformer2017年提出，而大语言模型直到2022年底才爆发。因此，现在就需要对技术路径进行各种各样的探索，可以引领和促进世界模型的爆发。”

王仲远说，到了多模态时代，智源已经开始提出自己独立的技术路径。世界模型开始，我们有了自己对于这个问题的定义，技术路线上也有我们自己的信仰，某种程度上也证明了中国人工智能力量在努力探索前沿方向，希望能够最终引领。

世界模型仍处于初级阶段，“就像2012年的大语言模型”

尽管智源对世界模型的未来充满信心，但王仲远毫不讳言当前的真实处境——世界模型依然处于非常早期的阶段。“必须承认物理AI特别是世界基座模型的研究，全世界范围依然处在非常早期，甚至概念和技术路径都远没有收敛。”

他比喻称，目前世界模型所处的阶段类似于“2012年的大语言模型”，彼时深度学习刚刚开始兴起，虽然神经网络已有十层、一百层，但依然只能解决较为具体的问题和任务，经过不断升级迭代和互联网海量数据的积累，才有了GPT的出现。

“当下世界模型还没到GPT时代，因为数据非常缺乏。”王仲远表示，从2012年到2022年底ChatGPT发布，走了十年，现阶段随着人工智能越来越强，演化速度越来越快，可能三年五年就能有足够多的数据累积。

数据是当前最核心的卡点。王仲远表示，长期来看，构建世界模型的真实世界数据依然缺乏，对于有价值的信息，现在的科研技术还没有充分挖掘。他举例称，一个2岁的小女孩也可以通过天天刷短视频，在父母没有教过她的前提下学会拆糖果，正如同现在孩子获取信息的渠道比之前一辈人更多，极大加速了脑中认知的形成，世界模型也需要类似的“数据养分”来建立对真实物理世界的理解。

实际上，当前世界模型的技术路线也远未收敛。王仲远总结了现在世界模型的四种主流技术定义方式：第一类是以语言为中心的世界模型，包括VLM、VLA；第二类是以像素为中心的世界模型，像Sora和Seedance等视频生成类模型；第三类是以三维结构为中心的世界模型，包括3D重建以及李飞飞团队的World Labs Marble模型；第四类是以视觉表征为中心的世界模型，比如杨立昆的JEPA系列模型。

他表示，当前智源更接近以视觉表征为中心的路线，并尝试探索语言与视觉的融合方向。他同时坦承，这不代表其他路线就没有价值。事实上，王仲远透露，智源正在探索“第五类”路径——通过统一的潜空间表征来建模真实物理世界的状态，这很有可能是世界模型真正下一个可能的方向。他同时透露，智源正在围绕“下一个物理状态预测”构建系统性的评测框架，预计下半年会对外发布，为行业提供衡量世界模型基座能力的基准线。

“世界模型不同路线的差异客观上造成了一定的认知混乱，但这也并非坏事，而是行业开始形成共识的过程，意味着人才、资本、技术解决方案的不断提出，客观上会促进世界模型的迭代、演进和发展。”王仲远说。

青年人才挑大梁：大四学生成为智源世界模型团队负责人

在采访中，新京报贝壳财经记者注意到，智源世界模型团队的人员构成非常年轻，如智源行为世界模型中心负责人陈博远，今年仅22岁。

“智源研究院一直都在强调青年人才挑大梁，不看帽子资历，给年轻人舞台。这些年轻、高潜力、又有代表作的青年科学家恰恰就是智源研究院成立八年以来一直努力做事的体现，也是智源在大模型时代、多模态时代产生行业和科研成果的基础。”王仲远说。

这样的人才是如何被发现的？王仲远用“惺惺相惜”来形容，“优秀的人才和天才都是有重力场的，会互相吸引。比如当前世界模型研究团队的负责人是在一个寻常的中午，吃盒饭聊天时‘发掘’出来的，经过谈话，我们发现虽然世界模型有很多定义，但我们的理解和目标完全一致，之后几乎当场拍板，决定要一起来做这件事。”

在座谈会现场，上述年轻的大四研究人员也表达了自己的看法：“可能我并不算是千里马，但伯乐一定非常难寻。在智源研究院搞研发，核心愿景就是制造出来能够超越人类智能水平的通用AGI，我觉得这不一定是虚无缥缈的学术理想，它可以实际落地、改变生活。”

王仲远认为，这体现了智源研究院创新的机制体制以及灵活决策的优势，“智源愿意提供这样的环境和舞台，让这样一群优秀的、有着技术信仰的年轻人聚集在一起，不被外界干扰，不被琐事影响，专心致志进行技术突破。”

这种模式的核心是什么？王仲远总结了几个关键要素：有规划的前沿科研探索，基于对人工智能技术路径的发展；青年人才挑大梁，不论帽子，不论资历，而是以代表作和潜力选择人才，给予充足的资源搞科研。

对于世界模型的未来，王仲远保持着乐观但理性的态度。“智源推出的产品中，不论是悟界·Physis还是悟界·RoboBrain Orca，目标都不是短期就要在真实物理世界大规模部署，周期可能是三年甚至更长时间。世界模型是一个长期过程，短期落地不是我们最着急的事。”

在采访最后，当被问及智源去进行前沿技术的早期“试错”，如果失败怎么办，以及是否考虑更加商业化这一问题时，王仲远给出了颇具个人风格的回答：

“企业有企业的商业逻辑和商业目标，所以不太可能像我们这样纯粹地思考和探索。对于可能失败的模型、新的方向和技术路径的探索，智源需要担起这样的责任，去开创，去创新，去突破，当然也有可能失败，但这也恰恰是科研的魅力。”

记者联系邮箱：luoyidan@xjbnews.com

新京报贝壳财经首席记者 罗亦丹

编辑 杨娟娟

校对 杨许丽 

图/企业供图