说起国内AI早期发展，有个名字一定绕不开——北京智源研究院。早在2024年3月，智源发布的悟道1.0就开启了中国的大模型时代，后续孵化的杨植麟、唐杰等人，也都是如今大模型圈的中坚力量。也正因此，智源一度被视作国内大模型的“黄埔军校”。

但到了2026年，这家研究院却悄然换了方向——大语言模型不再是主攻对象。理由很简单：作为新型研发机构，智源专攻的是高校、企业不愿意碰的AI前沿方向。智源研究院院长王仲远坦言，智源的目标始终是在AI最前沿探索——而在他看来，当前最前沿的领域，叫做“世界模型”。

6月11日，新京报贝壳财经记者随“活力中国调研行”走访智源研究院，深入了解了这一前沿领域的最新进展。智源也是国内最早倡导世界模型的科研机构。

世界模型不是3D生成，而是“预测下一个物理状态”

市面上已经有不少宣称“世界模型”的产品。比如用户上传一张图片，模型就能生成一个可探索的3D世界，看起来更像是视频生成或游戏引擎。但在王仲远看来，这些和真正的世界模型还差得远。

“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），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。”

那么究竟什么才算世界模型？行业内众说纷纭。6月初，李飞飞就发长文试图下定义。而王仲远的解释更直白：如果说大语言模型预测的是“下一个Token”，那么世界模型预测的应该是“下一个物理状态”。

“你看到的3D世界生成，更多应用于虚拟世界，很多游戏已经拥有非常逼真的模型、光线和物理引擎。但仿真引擎有它的上限。我们所希望的世界模型，是大模型驱动的，只要数据量足够，它就能超越人类经验构建出来的引擎。从潜力上看，就像现在大语言模型用于科学发现一样，世界引擎也可以帮助我们发现新的规律。作为未来的世界基座模型，它的理论上限空间更大。”

王仲远进一步透露，智源在大模型领域的布局其实早有规划。“早在语言大模型时代，我们发布了悟道1.0、2.0和3.0，孵化出智谱、面壁这些主流大模型公司。2024年，智源开始涉及世界模型，2025年发布emu3和emu3.5多模态世界模型，2026年又推出了physis和orca，一直在持续探索前沿。”

他强调，智源并不是在跟风，而是按照既定的战略方向稳步推进——大语言模型在两年之前已经完成探索，交给智谱、面壁这些企业去做；现在开始重点布局世界模型，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2006年提出的理念和解决方案，Transformer是2017年提出的，而大语言模型直到2024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，才能引领和促进世界模型的爆发。”在大语言模型时代，智源是跟随者；到了多模态时代，智源已经开始提出自己独立的技术路径。从世界模型开始，智源有了对这个问题自己的定义，技术路线上也有自己的信仰。某种程度上，这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”

尽管对世界模型的未来充满信心，王仲远也毫不讳言当前的现实处境——世界模型还太嫩了。“必须承认，物理AI特别是世界基座模型的研究，在全世界范围依然处于非常早期，甚至概念和技术路径都远没有收敛。”

他比喻说，现在的世界模型，大概相当于2012年的大语言模型。彼时深度学习刚刚兴起，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。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。”从2012年到2024年底ChatGPT发布，走了十年。现在随着人工智能越来越强，演化速度越来越快，可能三年五年就能积累出足够数据。

数据是当前最核心的卡点。王仲远坦言，构建世界模型所需的海量真实世界数据依然严重不足，如何从现有数据中充分提取有价值信息，仍是科研上的难题。他举了个有趣的例子：一个两岁的小女孩，天天刷短视频，根本没人教她拆糖果，她却自己学会了。这说明多模态信息对认知形成的推动作用极其显著。对世界模型来说，道理也是相通的——它需要的不是文本，而是真实世界的感知数据，这比语言模型的数据更稀缺，也更难获取。

当前全球范围内，世界模型的技术路线也远未“统一”。王仲远总结了四种主流定义方式：以像素为中心、以三维结构为中心、以视觉表征为中心，以及以语言为中心。智源目前更偏向第四种以及视觉与语言的融合方向，但他也承认，其他路线未必就没价值。这种“百花齐放”的局面，看似造成了认知混乱，但在他看来，这反而是行业走向成熟的必经之路——意味着人才、资本、技术方案都在不断涌现，客观上会促进世界模型的迭代、演进和发展。

青年挑大梁：大四学生成为世界模型团队负责人

值得一提的是，智源世界模型团队的人员构成相当年轻。比如行为世界模型创新中心负责人陈博远，今年才大四。

“智源研究院一直都在强调青年挑大梁，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，恰恰是智源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。

这样的人才如何被发现？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两位负责人，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。”

陈博远也表达了对此的感慨：“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，让这群有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。”

这种模式的核心在于几个关键要素：有规划的前沿科研探索，基于对人工智能技术路径的发展；青年挑大梁，不以帽子、不以资历，而是以代表作和潜力选择人才，给予充足的资源搞科研；开源开放的生态，不管是科研成果还是与企业的合作，都让路越走越宽。智源会坚持做这些“对的事情”。

对于世界模型的未来，王仲远保持着乐观但理性的态度。他透露，智源推出的产品中，不论是悟界Physis还是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。”

被问及前往前沿技术早期“试错”，如果失败怎么办，以及是否考虑更商业化这一问题时，王仲远的回答颇具个人风格：“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，但这恰恰是科研的魅力所在。”