对话智源王仲远：大模型迈向物理 AGI 技术转折点，具身智能尚在类GPT-3前的探索期

智源研究院院长王仲远

蓝鲸新闻6月6日讯（记者 武静静）2025年6月6日，第七届智源大会在北京召开，智源研究院正式发布了"悟界"系列大模型，聚焦多模态、脑科学、具身智能与微观生命分子建模四大核心方向。

创立于2018年的智源研究院，作为中国新型科研机构的探索样本，它不仅开创了国产大模型的技术路线，也激活了中国AI大模型创业生态的第一波热潮——它催生了国内最早一批专注于大模型的创业公司，也影响了以杨植麟、岂凡超、曾国洋等人为代表的新一代AI大模型创业者。他们大多曾参与"悟道1.0"与"2.0"的研发，在项目中完成从学生到研究者的转变，成为中国AI大模型版图中的重要力量。

今天的"悟界"，是继"悟道"之后智源迈出的又一步。不同于以往聚焦语言、图像等数字世界，"悟界"面向具身智能和世界建模，将探索延伸至真实世界中的感知、决策与交互。

此次，「蓝鲸科技」采访了智源研究院院长王仲远，围绕"悟界"背后的研究逻辑、技术布局与未来方向展开深入对话，了解智源对下一代通用人工智能"底座能力"的一次系统性构思与前瞻性思考。

大模型技术还远没有到发展的尽头，下一步是探索物理世界

"界"代表着对虚实世界边界的突破，代表着对物理世界的赋能，以及在物理 AGI 方向上的迈进，王仲远说道。

据介绍，此次发布的"悟界"系列涵盖原生多模态世界模型Emu3、脑科学多模态通用基础模型见微Brainμ、跨本体具身大小脑协作框架RoboOS 2.0与具身大脑RoboBrain 2.0以及全原子微观生命模型OpenComplex2，几乎覆盖了当下AI与人类核心认知结构、现实物理世界交互及生命本质建模的前沿方向，也是中国大模型再一次面向通用人工智能（AGI）一次探索和实践。

我们了解到，此次智源推出的"悟界"系列模型，首次系统性地覆盖多模态、脑科学、具身智能与微观生命分子建模，展现出构建"世界模型"的路径图，也体现了中国AI方面系统化创新能力。

王仲远告诉「蓝鲸科技」，"百模大战"竞争的背后，更多聚焦在大语言模型层面，几乎都仍局限在数字世界的语义理解与生成范畴。"然而，大语言模型的发展正面临增长瓶颈。一方面，训练依赖的互联网数据趋于饱和，模型性能提升趋缓；另一方面，多模态融合仍存在‘此消彼长’的问题——引入图像、视频等模态后，反而可能削弱原有语言能力，模型整体表现不升反降。"

这正是"悟界"系列试图解决的问题，王仲远表示，要让AI真正从"只能聊天"走向"能理解、能行动"的阶段，关键在于让它真正进入现实世界。为此，智源不再只依靠互联网文本数据，而是引入更多来自真实世界的信息，比如图像、声音、三维空间结构，甚至是人脑的活动信号。

智源正在探索一种叫"原生多模态"的新方法——简单来说，就是从模型训练的第一步开始，就同时使用多种类型的数据，让AI从一开始就具备综合理解各种信息的能力。

Emu3 原生多模态世界模型就是这种做法的代表，它可以把文字、图片、视频转化为同一种"语言"来处理，这样就能更顺畅地理解和生成不同形式的内容，让AI变得更聪明、更灵活。此外，智源推出的见微Brainμ模型，就能把脑信号转化为模型可以处理的"语言"，并与图像和文本进行跨模态多向映射。

更进一步，大模型未来需要具备对空间位置和时间变化的感知能力，比如判断一个杯子是否快要从桌边掉下去。这类时空理解对于未来AI机器人在现实中完成任务至关重要。王仲远认为，这种面向物理世界的原生多模态模型，将是实现真正"物理 AGI"的路径之一。

具身智能仍处于探索期，类似大语言模型的 GPT-3 之前阶段

随着AI正从数字世界走入真实空间，具身智能正在成为当下另一个热议的话题和技术攻坚领域，也在陆续诞生各种创业公司。

王仲远向「蓝鲸科技」谈到："具身智能目前仍处于技术探索的早期阶段，类似于大模型在 GPT-3 之前的摸索期。"

他提到，当下具身智能面临多重挑战。一方面，核心技术路径尚未明确，如仿真数据利用和"大小脑"融合架构等仍在探索中，技术复杂度远超智能驾驶。另一方面，数据采集困难是具身智能发展的重要瓶颈。真机数据获取受限于现有模型能力，形成"循环悖论"，加之真实世界多模态数据虽然丰富，却难以高效利用。

此外，软硬件协同复杂，特别是跨本体"大小脑"融合尚未成熟，导致产业落地周期长，缺乏明确的规模化应用。"未来 5-10年，大小脑融合的模型可能会成熟，但不是今天。"王仲远说。

智源发布的具身大脑RoboBrain 2.0是目前全球最强的开源具身大脑大模型，在多项空间推理与任务规划指标上超越具身智能领域主流大模型。

RoboBrain2.0官网：https://superrobobrain.github.io

王仲远透露，"在数据训练的技术路径上，智源借鉴了大语言模型的发展思路，更多依靠的是互联网数据帮助机器人学习智能...再通过强化学习和少量真实世界的数据不断训练它的能力，不断突破具身智能的发展上限。"

他借用了一个视频比喻："就像一个小朋友先通过看短视频学会怎么拆糖果，再通过实际操作（强化学习）逐步掌握这项技能。"

此外，为了让大模型更好的用起来，此次智源发布了跨本体具身大小脑协作框架RoboOS 2.0，这是全球首个基于具身智能SaaS平台，可以支持 MCP 的跨本体具身大小脑协作框架，目标是构建具身智能领域的"应用商店"生态。

同时，RoboOS 2.0也是全球首个支持MCP的跨本体具身大小脑协作框架，旨在构建具身智能领域的"应用商店"生态。

王仲远详细介绍称，"RoboOS 2.0实现了小脑技能的免适配注册机制，显著降低开发门槛。典型场景下，相关代码量仅为传统手动注册方式的1/10。这使得开发者能够更容易地贡献和分享小脑技能。"

目前，RoboOS 2.0与RoboBrain 2.0已全面开源，包括框架代码、模型权重、数据集与评测基准。且智源研究院已与全球20多家具身智能企业建立战略合作关系。

对于具身智能接下来的发展趋势，王仲远谈到，具身智能的大规模商用落地尚需时日。未来 3 年内，突破性的规模化应用最可能首先出现在特定、相对封闭的场景，尤其有大量重复、枯燥甚至危险的任务，非常适合具身智能第一波切入。