新智元報道

【新智元導(dǎo)讀】從「預(yù)測下一個 Token」到「預(yù)測下一個物理狀態(tài)」，智源大會上，智源研究院為世界模型正本清源，立起了一條通往物理 AGI 的清晰路標(biāo)。

當(dāng)AI從賽博世界走向物理世界，開始深度介入我們的日常，所有人都在追問：AI的下一程，路在何方？

在今年的智源大會上，來自全球各地的頂尖AI大佬給出了自己的答案。

作為全球AI領(lǐng)域頂級的內(nèi)行盛會，自2019年啟幕以來，智源大會已連續(xù)成功舉辦八屆，累計匯聚了14位圖靈獎得主、過千位產(chǎn)學(xué)研頂尖專家，吸引全球30多個國家和地區(qū)、超1000萬人次專業(yè)人士參與。

它是公認(rèn)的全球人工智能創(chuàng)新風(fēng)向標(biāo)，更是定義下一個AGI時代發(fā)展方向的「AI春晚」。

智源定義世界模型四大分類

世界模型被普遍視為繼大語言模型之后，人工智能發(fā)展史上最具變革性的戰(zhàn)略機遇，亦是通往物理世界通用人工智能（Physical AGI）的必由之路。

當(dāng)前，業(yè)界對世界模型的戰(zhàn)略價值已形成廣泛共識，但在技術(shù)路線的選擇上仍處于多元探索、尚未收斂的蓬勃發(fā)展階段——從「預(yù)測下一個詞元」到「預(yù)測下一個物理狀態(tài)」的范式躍遷，正在成為最具潛力的主流方向之一。

智源研究院院長王仲遠(yuǎn)在做智源進(jìn)展報告中提到，當(dāng)下人工智能正沿著從大語言模型向多模態(tài)大模型再向世界模型演進(jìn)的方向，加速從數(shù)字世界邁向物理世界。

世界模型作為面向真實物理世界的下一代基座模型，以「預(yù)測下一物理狀態(tài)」為核心，代表著人工智能的下一個重要范式躍遷。

世界模型不僅能感知、理解、推理真實物理世界的時間、空間、物理規(guī)律和物理常識，同時能涵蓋文本、視頻、深度、力覺、感知等全模態(tài)數(shù)據(jù)，還具備主動交互能力，能夠支撐各種物理世界的下游應(yīng)用。

智源研究院是國內(nèi)最早提出并開展世界模型研究的科研機構(gòu)。

2023年智源大會上，楊立昆（Yann LeCun）就闡述了新一代世界模型的概念；2024年智源大會上，智源研究院提出的人工智能大模型技術(shù)路線預(yù)判，明確指出世界模型是下一代大模型技術(shù)；2024年發(fā)布的悟界·Emu3和2025年發(fā)布的悟界·Emu3.5，更是全球首個原生多模態(tài)世界模型。

基于在大模型領(lǐng)域持續(xù)的技術(shù)積累與前瞻布局，2026年智源推出了悟界·Physis-v0.1。

悟界·Physis的誕生正是基于智源對人工智能發(fā)展路徑的判斷以及從「悟道」到「悟界」的技術(shù)傳承與延續(xù)。

隨著大語言與多模態(tài)技術(shù)日趨成熟，未來人工智能的發(fā)展重心將進(jìn)入世界模型時代。

智源認(rèn)為，現(xiàn)有世界模型相關(guān)的技術(shù)路線可分為四類：

• 第一類是以語言為中心的世界模型，包括VLM、VLA，模型在文本空間中預(yù)測下一個詞，學(xué)到的是語言描述的世界，并不能理解背后的物理后果；

• 第二類是以像素為中心的世界模型，像Sora和Seedance等視頻生成類模型，在視覺空間中學(xué)習(xí)視頻或圖像，學(xué)到的是像素描述的世界；

• 第三類是以三維結(jié)構(gòu)為中心的世界模型，包括3D重建以及李飛飛團(tuán)隊的World Labs Marble模型，不過模型重建3D空間不等于理解世界，幾何結(jié)構(gòu)也不代表物理狀態(tài)；

• 第四類是以視覺表征為中心的世界模型，比如楊立昆的JEPA系列模型，預(yù)測的是視覺表征的壓縮，但視覺嵌入演化不等于物理規(guī)律演化。

智源在此方向上的核心布局體現(xiàn)為悟界·Physis-v0.1與正在研發(fā)中的悟界·RoboBrain Orca。

悟界·Physis-v0.1是全球首款通用世界基座模型，構(gòu)筑真實物理世界人工智能底層核心引擎，重塑AI物理感知與推演的底層技術(shù)體系。

悟界·Physis-v0.1徹底打破傳統(tǒng)AI垂類場景專用的技術(shù)瓶頸，針對性解決行業(yè)共性難題，能有效彌補主流人工智能模型不懂真實物理規(guī)則、物理推演結(jié)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(xiàn)全場景物理交互、感知與決策的統(tǒng)一，從根源提升AI物理推理的真實性與可靠性。

依托獨創(chuàng)技術(shù)架構(gòu)構(gòu)建行業(yè)領(lǐng)先壁壘，悟界·Physis-v0.1以物理隱空間表征替代傳統(tǒng)像素、幀級預(yù)測方案，實現(xiàn)跨場景通用物理規(guī)律強化學(xué)習(xí)。

搭載專屬物理狀態(tài)編碼器，可完成視頻、深度RGB、3D點云、力觸反饋等全模態(tài)信息壓縮，統(tǒng)一轉(zhuǎn)化為標(biāo)準(zhǔn)化隱空間物理狀態(tài) Latent State。

模型支持50+復(fù)雜物理場景長程推理，具備物理一致性、動作因果性、長程可推演性、通用泛化性四大核心能力，憑借高效的推理效率與極強的泛化能力，達(dá)到行業(yè)領(lǐng)先水平，可廣泛應(yīng)用于嚴(yán)肅工業(yè)、具身智能、物理仿真、科學(xué)研究等真實物理場景。

悟界·RoboBrain Orca是以下一個物理狀態(tài)預(yù)測為核心的具身大腦，構(gòu)建「統(tǒng)一表征 — 建模 — 預(yù)測 — 交互」完整閉環(huán)，實現(xiàn)從 Next Token / Frame / Action Prediction 升級為 Next Physical State Prediction，徹底打破傳統(tǒng)AI僅能理解文本的局限，推動 AI 從理解文本走向感知、預(yù)測與交互物理世界，并融合大量Ego-centric交互數(shù)據(jù)，強化世界模型的具身表征，有效提升下游少樣本與跨場景的泛化能力。

悟界·RoboBrain Orca具備統(tǒng)一表征、因果推演、模態(tài)解碼三大核心能力，可同時生成語言思考、視覺預(yù)測與動作決策，實現(xiàn)「想、看、動」三位一體，賦予具身智能機器人打通「認(rèn)知—預(yù)測—行動」完整鏈路的能力，支撐具身智能機器人在物流場景、酒店服務(wù)場景等真實環(huán)境中的長期自主作業(yè)。

從悟道到悟界

智源構(gòu)建通往物理AGI的

完整技術(shù)路徑

本屆大會上，智源研究院全面展示「從悟道到悟界」的技術(shù)躍遷成果——從2021年讓AI「學(xué)會語言」的悟道系列，到2024年讓AI「懂世界」的悟界系列，智源正在構(gòu)建一條通往物理AGI的完整技術(shù)路徑。

智源依托自研科研體系，完成從悟道到悟界大模型體系全面升級，在核心賽道實現(xiàn)原創(chuàng)技術(shù)領(lǐng)跑。

多模態(tài)領(lǐng)域悟界·Emu3于2026年1月登上Nature正刊，是我國科研機構(gòu)主導(dǎo)的大模型成果首次在Nature正刊發(fā)表。

在此基礎(chǔ)上，悟界·Emu3.5完成關(guān)鍵升級，從「預(yù)測下一個詞元」進(jìn)一步擴展到跨視覺與語言序列的「下一狀態(tài)預(yù)測」，以純自回歸框架原生實現(xiàn)文本、圖像、視頻的統(tǒng)一理解與生成，打破傳統(tǒng)多模態(tài)技術(shù)路線的模態(tài)孤島與架構(gòu)割裂。

它內(nèi)置時空關(guān)系、因果邏輯與物理世界演化規(guī)律建模能力，不僅攻克了生成內(nèi)容違背真實世界物理規(guī)則的行業(yè)痛點，更補齊了AI從數(shù)字世界走向物理世界的技術(shù)缺失，兼具頂級學(xué)術(shù)價值與底層產(chǎn)業(yè)支撐價值。

悟界·Brainμ1.0是全球首個理解與生成統(tǒng)一的多模態(tài)神經(jīng)科學(xué)大模型，旨在從世界模型出發(fā)，構(gòu)建多模態(tài)腦科學(xué)通用基座。

模型可將人類、獼猴、小鼠跨物種，EEG、fMRI、MEG、fNIRS、神經(jīng)像素、鈣成像等全模態(tài)腦信號，統(tǒng)一編碼為標(biāo)準(zhǔn)Token，實現(xiàn)數(shù)據(jù)格式歸一，并通過多模態(tài)對齊，將腦信號Token與語言、圖像、視頻等通用模態(tài)對齊，嵌入預(yù)訓(xùn)練大模型，充分釋放大模型知識表達(dá)與泛化能力。

此外，全球最大的AI-Ready神經(jīng)科學(xué)數(shù)據(jù)平臺悟界·BrainToken，匯聚全球開源神經(jīng)科學(xué)數(shù)據(jù)并完成全量Token化，總量突破萬億級別。

Brainμ1.0可利用數(shù)據(jù)Token化，解決神經(jīng)科學(xué)領(lǐng)域數(shù)據(jù)孤島（復(fù)雜、稀疏、不對齊等）問題，降低神經(jīng)疾病診斷成本，輔助篩查診斷阿爾茲海默癥、抑郁癥、帕金森等疾病。

目前，悟界·Brainμ已用于AI輔助科學(xué)家分析數(shù)據(jù)，支撐「記憶-睡眠」調(diào)控機制研究成果登刊Science。

悟界·OpenComplex2.5是可泛化、物理真實的下一代AI驅(qū)動藥物發(fā)現(xiàn)模型，重點解決固有無序蛋白（IDP）動態(tài)構(gòu)象難以解析的問題。

它通過可泛化、物理真實的端到端全原子分布建模，精準(zhǔn)捕捉IDP靈活、多變的構(gòu)象狀態(tài)，突破傳統(tǒng)靜態(tài)結(jié)構(gòu)分析在高動態(tài)靶點研究中的局限，為神經(jīng)退行性疾病等難成藥靶點研究提供新的技術(shù)路徑。

模型統(tǒng)一覆蓋藥物研發(fā)中的四個關(guān)鍵步驟：口袋識別、反向篩選、結(jié)構(gòu)預(yù)測和親和力預(yù)測。

• 在口袋識別環(huán)節(jié)，在靶點蛋白中定位可成藥口袋，實現(xiàn)高質(zhì)量的口袋檢測、對多樣化靶點具有魯棒性、提升命中發(fā)現(xiàn)效率；

• 在反向篩選環(huán)節(jié)，為給定化合物尋找潛在靶點，實現(xiàn)基于大規(guī)模靶點庫搜索、對精準(zhǔn)的靶點排序、加速化合物再利用和脫靶評估；

• 在結(jié)構(gòu)預(yù)測環(huán)節(jié)，預(yù)測蛋白-配體復(fù)合物的三維結(jié)構(gòu)，實現(xiàn)高精度三維結(jié)構(gòu)預(yù)測、捕捉關(guān)鍵相互作用、可靠用于下游分析；

• 在親和力預(yù)測環(huán)節(jié)，可準(zhǔn)確估算結(jié)合親和力相關(guān)指標(biāo)的相對變化趨勢，并可泛化至不同化學(xué)空間和靶點類型，支持先導(dǎo)化合物篩選與優(yōu)化。

大腦之外

AI如何長出「手腳」

如果說世界模型給 AI 賦予了「常識」，那么智能體則讓 AI 長出了「手腳」。

這不是虛幻的概念，智源在現(xiàn)場展示了真實可落地的「智能體矩陣」：

BAAI Cardiac Agent是全球首個面向心臟磁共振的輔助診斷智能體，依托安貞醫(yī)院兩千余例心血管患者超3萬條影像-文本配對多模態(tài)數(shù)據(jù)，構(gòu)建一站式「結(jié)構(gòu)分割-功能評估-疾病診斷-智能化報告」智能體，推動優(yōu)質(zhì)心血管醫(yī)療能力普惠可及。

BAAI Cardiac Agent不僅能顯著提升CMR影像的解讀效率，同時融合安貞醫(yī)院心臟專科醫(yī)師的臨床診療經(jīng)驗，其Agent-Expert系統(tǒng)復(fù)刻專家團(tuán)隊協(xié)作式診療流程，最終實現(xiàn)心臟疾病診斷精確度達(dá)到安貞醫(yī)院頂尖心血管醫(yī)生的診斷水平，AUC超0.93。

AREX是面向科學(xué)發(fā)現(xiàn)的自主研究智能體，致力于推動人工智能從模仿學(xué)習(xí)向自主學(xué)習(xí)跨越，讓AI學(xué)會自我提升。它面向科研過程中創(chuàng)新思路稀缺、設(shè)計實現(xiàn)緩慢、實驗論證繁瑣等痛點，全面降低科研全流程對人類參與的依賴，輔助人類研究，實現(xiàn)自主科學(xué)發(fā)現(xiàn)。

未來，AREX可服務(wù)于文獻(xiàn)調(diào)研、思路拓展、實驗設(shè)計、結(jié)果論證與論文撰寫等科研全流程，也可用于人工智能服務(wù)的全流程快速構(gòu)建、自主優(yōu)化與迭代，并進(jìn)一步推動人工智能技術(shù)賦能基礎(chǔ)學(xué)科前沿問題的自主探索與科學(xué)發(fā)現(xiàn)。

SoulAgent是面向個人用戶的專屬智能體，采用全新自研架構(gòu)，實現(xiàn) Token 成本節(jié)省30%，資源占用降低80%。

SoulAgent 基于用戶畫像和skill的自進(jìn)化，可持續(xù)成長為用戶的專屬數(shù)字專家，滿足用戶個性化服務(wù)、長期記憶留存、高私密安全的智能助手核心需求，有效解決傳統(tǒng)通用AI助手不懂用戶習(xí)慣、響應(yīng)適配慢、用戶數(shù)據(jù)無保障、無法實現(xiàn)長期深度協(xié)作的行業(yè)痛點，打造專屬化和個性化的智能服務(wù)體驗。

在智源大會上，SoulAgent 幫助參會者實時聽會、捕捉大會重點、提煉前沿觀點與專家洞察，在并行會議中打造隨時「在場」的智能分身。

智源推出面向有害蛋白獲取的風(fēng)險發(fā)現(xiàn)智能體，首次打通「計算機模擬推演」與「真實實驗驗證」的完整鏈條（干濕實驗閉環(huán)），驗證了先進(jìn)AI智能體能夠輔助繞過生物安全篩查機制，將目標(biāo)有害蛋白序列拆分為多個DNA片段并組裝，最終成功獲取有害蛋白基因序列。

針對傳統(tǒng)AI生物安全評估多為事后被動響應(yīng)，且攻擊路徑難以完整復(fù)現(xiàn)的問題，該系統(tǒng)通過主動模擬攻擊者行為，提前識別智能體在生物知識獲取、有害蛋白序列設(shè)計等環(huán)節(jié)的脆弱性，將風(fēng)險防控從「事后補救」轉(zhuǎn)為「事前演練」。

從上述矩陣可以了解到，AI不再滿足于生成文本和圖片，而是真正進(jìn)入醫(yī)療、科研、教育、安全防護(hù)等真實場景，成為可被信賴的數(shù)字化生產(chǎn)力。

全球AI頂流北京聚首

2026智源大會共議AI未來圖景

今年的這場內(nèi)行盛會上，來自谷歌、Meta、英偉達(dá)等全球頂尖科技企業(yè)，與阿里、騰訊、智譜、MiniMax 等中國 AI 最核心創(chuàng)新力量聚集一堂，30余位30歲以下青年科學(xué)家，40余位AI企業(yè)CEO、創(chuàng)始人與首席科學(xué)家，200余位頂尖專家學(xué)者將齊聚北京，中國AI產(chǎn)業(yè)世界模型與Agent領(lǐng)域最具代表性的創(chuàng)新力量首次集中同臺。

本屆「AI春晚」中最重磅的嘉賓莫過于兩位圖靈獎得主。圖靈獎得主、美國國家工程院院士、IEEE會士Whitfield Diffie，圖靈獎得主、馬薩諸塞大學(xué)阿默斯特分校榮譽退休教授Andrew Barto分別做主題報告。

Whitfield Diffie以Security For AI Agents，Security Against AI Agents（護(hù)AI智能體之安，御AI智能體之險）為題進(jìn)行分享。

他提出，當(dāng)前「控制論（反饋）」式的做法是在程序失敗時進(jìn)行修復(fù)，而未來的愿景應(yīng)是開發(fā)形式化方法，以大幅提升程序按預(yù)期運行的可靠性。

Diffie對比了密碼系統(tǒng)因程序規(guī)模極小而可充分研究驗證的優(yōu)勢，指出典型的計算機程序——包括編譯器、操作系統(tǒng)、應(yīng)用和智能體——規(guī)模要大得多，通常已超出人類的驗證能力，人們期望這些任務(wù)未來可由AI完成。

他強調(diào)，當(dāng)前編程實踐中，對智能體的限制（Confinement）——即保證智能體只能訪問授權(quán)資源——在現(xiàn)有編程中仍做得不足。

Andrew Barto以Rediscovering Reinforcement Learning（重新發(fā)現(xiàn)強化學(xué)習(xí)）為題，將這一范式的本質(zhì)歸結(jié)為「控制、搜索與聯(lián)想記憶 」 的三位一體——它既是「帶著批評家的學(xué)習(xí)」，也是「試錯學(xué)習(xí)」，核心在于「緩存搜索結(jié)果」而無需持續(xù)搜索。

他指出，「機器學(xué)習(xí)最初就是強化學(xué)習(xí)」，而「突觸可塑性實現(xiàn)了效果律」；Schultz等人的「獎勵預(yù)測誤差假說」則印證，中腦多巴胺神經(jīng)元的相位性活動所編碼的，正是「新舊預(yù)期未來獎勵之間的誤差」。

Barto 強調(diào)，「強化學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的計算研究從一開始便緊密交織」，二者「均發(fā)端于大腦如何運作與學(xué)習(xí)的假說」，而「深度強化學(xué)習(xí)的計算能力與大腦獎勵系統(tǒng)的最新成果相結(jié)合，指明了下一輪進(jìn)展的方向」。

最后，他以「小心你許的愿——你可能真的會得到它」發(fā)出警示，提醒人們警惕獎勵信號設(shè)計中的「反常實例化」風(fēng)險。

AI對現(xiàn)實世界的影響可能早已超過大眾的實際感知，這一點在隨后的播客現(xiàn)場對話中也有所體現(xiàn)。

智源研究院理事長黃鐵軍與之江實驗室主任、阿里云創(chuàng)始人王堅圍繞「總有人比時代早十年」展開播客現(xiàn)場對話，由《漫談 Light the Star》創(chuàng)始人衛(wèi)詩婕主持。

對話從中國AI范式演進(jìn)出發(fā)，探討了中國大模型如何從追趕驗證走向路線選擇、體系構(gòu)建與范式創(chuàng)新，如何突破互聯(lián)網(wǎng)文本數(shù)據(jù)天花板與算力荒的極限狀態(tài)，以及從「跟隨國際主流范式」走向「形成自身問題意識」的原創(chuàng)范式躍遷等議題。

對話還聚焦Agent時代的新范式——從推理時代邁入Agent時代，海量高并發(fā)智能體對真實世界產(chǎn)生的直接影響與風(fēng)險。

面對AI從「客體」向「主體」演進(jìn)，兩位嘉賓也分享了對人與AI關(guān)系、人類文明與AI文明如何共存的長期思考。

毫無疑問，AI正在完成數(shù)字世界向物理世界的跨越，這背后的邏輯究竟是什么呢？

在「重構(gòu)世界——中國大模型巔峰對話」圓桌環(huán)節(jié)，智源研究院院長王仲遠(yuǎn)與清華大學(xué)計算機系教授、生數(shù)科技創(chuàng)始人朱軍，小米集團(tuán)MiMo負(fù)責(zé)人羅福莉，以及清華大學(xué)計算機系教授、面壁智能聯(lián)合創(chuàng)始人兼首席科學(xué)家劉知遠(yuǎn)，南洋理工大學(xué)校長講席教授、人工智能交叉研究院院長安波等行業(yè)領(lǐng)軍者，圍繞超級模型能力演進(jìn)、AI自進(jìn)化、多模態(tài)與世界模型等核心議題深入交流，共同探討了數(shù)字世界向物理世界跨越的重構(gòu)邏輯。

嘉賓們認(rèn)為，超級模型與智能體系統(tǒng)正進(jìn)一步釋放更大勢能，自進(jìn)化有望成為驅(qū)動智能躍遷的新引擎，多模態(tài)與世界模型的加速成熟有望推動AI真正從數(shù)字空間走向物理世界。

在重構(gòu)世界的進(jìn)程中，同時應(yīng)該為青年人才創(chuàng)造更廣闊的探索空間。

尾聲

隨著大語言與多模態(tài)技術(shù)日趨成熟，未來人工智能的發(fā)展重心將進(jìn)入世界模型時代。

從「悟道」到「悟界」，智源研究院正以持續(xù)的技術(shù)突破與前瞻布局，為世界模型「正本清源」——不僅厘清了從「預(yù)測下一個Token」到「預(yù)測下一個物理狀態(tài)」的范式躍遷路徑，更為行業(yè)樹立起通往物理世界通用人工智能的清晰路標(biāo)。

當(dāng)AI真正學(xué)會理解并交互于我們賴以生存的物理世界，一個由世界模型驅(qū)動的智能新紀(jì)元，正從智源大會這一全球AI創(chuàng)新風(fēng)向標(biāo)上，加速照進(jìn)現(xiàn)實。