AI领域又迎来一个令人瞩目的新动向。

5月30日，智元机器人正式发布重大成果——其自研世界模型GE 2.0，在全球世界模型评测基准World Arena的“感知与动作响应”榜单中，一举夺得榜首位置。

先来聊聊世界模型到底是什么。通俗来说，它就是能够理解物理世界运行规律的大模型。举个例子，如果机器人掌握了这项能力，它会知道杯子掉落会破碎、水总会往低处流动、积木堆叠太高会倒塌——这些都是非常基础的常识性认知。

这个World Arena评测体系来头颇大。由清华大学联合普林斯顿大学、香港大学、北京大学等8所全球顶尖高校共同打造，专门用于评估世界模型的综合能力。它设有“感知与动作响应”和“数据引擎”两大赛道，通过16项细致指标和3类实操任务，考核具身智能体对物理规律、三维空间感知、动作预判等方面的理解水平。其学术公信力和产业参考价值都相当突出。

本次智元GE 2.0参与的是“感知与动作响应”赛道，同台竞技的对手包括英伟达的最新模型DreamDojo、清华大学与斯坦福大学联合的Ctrl-World团队等——都是国内外AI领域的顶尖力量。最终，GE 2.0直接拿下冠军。

GE 2.0在多项评测指标上均处于领先位置。

从公开的技术文档来看，有几个关键点特别值得关注。GE 2.0仅使用了20亿参数（即2B规模），但其表现竟然超越了英伟达、微软等公司那些超大参数的旗舰模型。这再次印证了一个事实：在人形机器人应用领域，轻量化模型完全具备与超大参数模型抗衡的实力，甚至在适配性方面更具优势。

更令人意外的是，智元团队并未针对本次比赛进行任何专门优化。他们只是将通用版本的模型稍作调整就送上了赛场——用通俗的话讲，这就是“裸考”拿到冠军。这也充分说明GE 2.0本身具备极为强大的泛化能力。

那么，GE 2.0的核心优势究竟体现在哪里？关键在于，机器人可以在自己的“大脑”中构建一个虚拟场景，并在其中反复尝试各种动作行为，即便出错也不会对真实物品造成损坏。等到技能训练成熟后，再迁移到现实世界中应用。这就像一个既安全又节省成本的模拟训练场，能够显著加快学习速度。

技术文档中还列出了GE 2.0的几项关键升级：长时序推演能力迈上了新台阶、引入了数据回流反哺机制、与真实世界的一致性得到了大幅提升。

智元GE 2.0的技术架构示意图。

很多世界模型都存在一个老问题——预测时间一长，画面就开始变得模糊、变形，就像人做梦一样，时间越久越偏离现实。GE 2.0虽然也无法完全杜绝这一现象，但其画面清晰度下降的速度远低于同类模型。凭借长时序推演能力的突破，GE 2.0预测到50秒的场景时，画质甚至比不少模型前10秒的效果还要出色。

研发团队还进行了大量的对比测试，结果显示：GE 2.0模拟出的结果与真实世界中的表现高度吻合。不仅是整体成功率能够对应得上，团队还逐一案例进行详细比对，并通过数据图表严格验证了这一结论。这意味着什么？机器人在虚拟世界中学会的技能，拿到现实环境中大概率可以直接使用。

此外，GE 2.0内部还内置了一个“裁判”系统，能够自动判断每一次虚拟练习的质量高低，然后将优质经验筛选出来，反馈给机器人的“行动大脑”，帮助它学得更快。实验数据表明，这种“自我进化”机制确实让机器人处理多重任务的能力得到了进一步增强。

话说回来，GE 2.0并非孤立存在的技术。它实际上是智元从具身数据到智能体平台的全栈自研体系中的一环。

4月中旬，智元上线了全球首个覆盖具身智能全域研究的真实场景数据集AGIBOT WORLD 2026，100%采集自商业空间、酒店、商超等真实环境。随后，Genie Sim 3.0仿真平台发布，只需一句话即可生成虚拟世界，环境构建速度从小时级直接缩短到分钟级。再结合VLA基座大模型GO-2和世界模型GE 2.0，一个可交互、可训练、可评估的虚拟物理世界就此搭建完成。

在数据和仿真的基础打好之后，智元又推出了零代码应用平台Genie Studio Agent——精灵工作室智能体。这个平台将视觉感知、运动控制、导航规划、视觉语言行动模型、强化学习工具链等复杂能力，全部封装成开箱即用的解决方案。

基于这套全栈自研系统，普通用户只需在该平台上进行简单的拖拽操作，就能搭建出属于自己的机器人应用。