世界模型成AGI关键 算力成本、数据质量成两大桎梏

《科创板日报》6月6日讯（编辑 宋子乔） 6月6日上午，在2025北京智源大会上，北京智源人工智能研究院发布了“悟界”系列大模型，宣布围绕物理AGI（通用人工智能）所做的大模型最新科研成果和布局。“悟界”系列大模型目前包含：全球首个原生多模态世界模型“悟界•Emu3”、全球首个脑科学多模态通用基础模型“悟界•见微Brainμ”、具身大脑RoboBrain 2.0、全原子微观生命模型OpenComplex2。

其中，原生多模态世界模型Emu3于2024年10月发布，基于下一个token预测范式统一多模态学习，无需扩散模型或组合式架构的复杂性。其核心能力在于多模态统一理解与生成，它通过研发新型视觉tokenizer将图像/视频编码为与文本同构的离散符号序列，构建模态无关的统一表征空间，实现文本、图像、视频的任意组合理解与生成。该模型支持多模态输入、多模态输出的端到端映射，验证了自回归框架在多模态领域的普适性与先进性，为跨模态交互提供了强大的技术基座。

何谓世界模型？

从通俗角度来看，世界模型可以被理解为，让AI像人类一样认知、理解世界并进行推理的工具。人类通过五感获取外界信息，大脑会将这些信息抽象简化为理想化的基本元素，构建成一个关于世界的“模型”，并在这个模型上进行推理和预测，以此来指导我们的行动。人工智能领域的世界模型，就是让机器学习算法去构建这样一个关于世界的“模型”。

基于世界模型的多模态和推理能力，AI能实现更自然、智能的交互。比如在智能客服领域，综合分析用户的语音、图像和文本输入，理解问题并给出准确回答；在智能教育领域，根据学生学习情况和需求，生成个性化教学内容和辅导方案。

被誉为“AI教母”的知名人工智能专家、斯坦福大学教授李飞飞，近日与硅谷顶级风险投资机构a16z的两位合伙人——马丁•卡萨多与埃里克•托伯格展开了一场深度对话。在这场对话中，李飞飞便探讨了“世界模型”的概念——这些AI系统不仅能理解和推理文字信息，还能理解与推理物理世界（尤其是3D世界）的运作规律。

可以说，打造强大的世界模型是人类通往AGI的必经之路。

值得注意的是，目前的应用端，布局世界模型最积极的是造车新势力，在小鹏、理想、华为、地平线等各个车企和平台供应商的展示中都在强调“世界模型”。

在智驾领域，世界模型代表着智能驾驶系统对物理世界的数字化理解与预测能力。各企业在智能驾驶上的竞争从过去拼车端算力和配置，已经逐渐演进到比拼云端构建的世界模型（一个能够理解物理世界规则的虚拟世界）的能力。

华泰证券认为这或将持续提升车载的芯片算力以及传感器的精度，对算法公司和主机厂技术研发能力也提出了新的要求。亿欧智库的报告则称，世界模型通过云端训练+车端蒸馅提升泛化能力，但其规模化落地仍受限于算力成本与数据质量。