智源研究院院长王仲远：大模型技术远没有发展到尽头

中经记者 曲忠芳 北京报道

当“百模大战”偃旗息鼓、“AI六小虎”渐行渐远，大模型的“大力出奇迹”和智能涌现是否已趋向枯竭？

6月6日至7日，在第七届智源大会上，智源研究院正式推出了“悟界”系列开源大模型，涵盖多模态世界模型、脑科学多模态模型、具身大脑与大小脑协作框架、全原子微观生命模型等。与此同时，现场设置的AI科研成果互动体验展区展示了悟界系列大模型在具身智能、脑科学、数字心脏等领域的应用场景。

在大会前，智源研究院院长王仲远在接受包括《中国经营报》在内的媒体记者采访时表示：“大模型技术还远没有发展到尽头，过往业界所说的百模大战，更多的是指大语言模型的竞争，而大语言模型囿于互联网数据使用的瓶颈，基础模型性能虽然仍在提升，但提升速度已明显放缓。”

在采访中，关于如何解决大语言模型性能提升瓶颈、当下的人形机器人热潮，以及AI Agent（智能体）的发展趋势等问题，王仲远一一作出了正面回应。

大模型性能提升瓶颈的不同“解法”

王仲远指出，针对大语言模型性能提升瓶颈的“解法”，能够看到当下业界的三种路径：一是通过强化学习提升后训练和推理能力的提升。例如OpenAI O4、DeepSeek R1等的推出，都是过去一年里大模型领域最明显的进展。二是数据合成，目前学术界仍在突破期。互联网数据是由人类创造的，假设AI合成数据、生成数据的质量能够媲美人类创造的数据质量，那意味着AI就有可能实现自我学习和进步。三是多模态数态。在全世界范围内，多模态数据是文字数据的成百上千倍、万倍甚至更多，但这些数据还并没有被有效地利用起来。

对此，智源研究院的“解法”是围绕原生多模态世界模型去做研究和布局。王仲远表示：“原生多模态世界模型本质上是为了让AI去感知和理解物理世界，进而实现与物理世界的交互。”

在智源研究院看来，当AI进入物理世界后，在宏观层面，大模型与硬件结合通过具身智能的发展解决实际生产生活问题；而在微观层面，生成式AI的应用能够进一步揭示微观世界的本质。由此所构成的世界模型是实现物理AGI（通用人工智能）的重要发展路径，智源研究院的工作布局则是围绕这一技术发展趋势而进行布局的。

在智源大会现场，记者了解到，“悟界”系列大模型主要包括：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RoboBrain2.0，以及全原子微观生命模型OpenComplex2。

其中，王仲远介绍，RoboOS 2.0与RoboBrain2.0能够适配各种形态的机器人，涵盖轮式单臂、轮式双臂、双足人足、四足机器人等。截至目前，智源研究院已与全球20多家具身智能企业建立了战略合作关系。

除此之外，关于AI Agent在今年密集涌现的现象，王仲远解释，当基础模型达到“可用”的水平——指既能理解自然语言，又具有一定的逻辑，大模型就会进入“好用”的阶段，促进产业的发展。Agnet是一个重要的产业落地形式，产业可以在基础模型之上开发出解决用户实际需求的Agent。当然，创业公司还要考虑ROI（投入产出比），模型需要在保证相同能力的情况下越小越好，慢思考能力或推理能力在保证推理效果的情况下越快越好。这个过程中遇到的瓶颈在未来会被逐步解决。

王仲远表示，智源研究院与香港投资管理有限公司建立战略合作框架，共建世界级跨区域合作的人工智能生态圈，推动加速人才、技术、资本的飞轮效应。

“2025年人形机器人刚学会跑”

不同于往届，今年智源大会首次将具身智能升级为全天的分论坛，并加入了人形机器人的主题，由此具身智能的火热程度可见一斑。会议期间，记者还在具身智能展区看到，各种构型的机器人展示了制作汉堡、倒饮料、抓娃娃、家居物品收纳等不同的技能。其中，智源与银河通用联合研发的具身大模型机器人Galbot，展示了商超场景下的落地应用能力。

当被问及如何看待近半年里人形机器人热潮时，王仲远表示，长期来看，人形机器人是具身智能领域非常重要的发展方向。不过，不同构型的机器人会是共存的状态。与其他构型的机器人比较来说，人形机器人的成熟周期要慢。“2024年，人形机器人刚刚会走，而2025年我们可以看到，人形机器人学会了跑，能否走得稳、跑得稳，产业界仍在努力中。”

王仲远提到，具身智能目前存在“循环悖论”，即具身能力不足，限制了真机数据的采集；数据的稀缺导致模型能力弱、落地难，无法进一步提升具身能力。

产业界中不同的参与力量在探索不同的解决办法。其一，硬件的成本越来越低，未来如果能够做到一台机器人卖几千元钱，那么消费者的购买意愿显然会比一台机器人一百万元、几十万元的可能性高；其二，许多企业在数据方面下功夫，在真实数据之外，通过仿真数据集成训练出有效的模型。智源研究院走的则是大模型的路线，依靠互联网数据帮助机器人学习智能。简单来说，学习海量的已有数据，再通过强化学习和真实世界的数据不断训练能力，突破具身智能的发展上限。

“不同的企业和研究团队都在用不同的方式进行探索，现阶段尚未达成共识。”王仲远表示，目前具身智能的本体硬件和具身模型都不成熟，这需要本体硬件和模型研发的共同努力。他提到，智源研究院在与机器人本体硬件公司交流时，本体公司普遍认为要展示硬件机器人的能力上限，同时也要降低成本。当售价足够“亲民”，那么数据采集量和模型提升速度就会大幅度提升。

（编辑：吴清 审核：李正豪 校对：颜京宁）