全球首个通用世界基座模型发布 “北京队”推动AI迈向“物理觉醒”

人工智能技术与产业发展一日千里。通往通用人工智能的路上，下一个赛点是什么？在6月12日开幕的北京智源大会上，答案逐渐清晰：全球AI竞争的核心坐标，正从“虚拟世界的内容生成”转向“物理世界的真实交互”。记者跟随2026年“活力中国调研行”北京主题采访活动团队走进智源研究院，探析这一转折背后的北京力量。

机器人正跨越“最难”能力壁垒

一个小女孩在卧室熟睡，卧室门开着，厨房传来嘈杂的洗碗声。爸爸没有说话，只是简单挥了挥手，妈妈便瞬间领会意图，起身关上了卧室门。

这个看似寻常的生活场景，实则暗藏着机器人最难跨越的能力壁垒：理解物理世界的复杂信息并作出决策。在这一过程中，大脑需要全程自主感知环境与声音，结合“女儿在睡觉需要安静”的上下文，解读爸爸手势中的暗示，最终做出“关门”的决策。全程无需语言指令，靠的是人脑对物理世界天然的认知与决策能力。而未来，机器人要具备这种能力，依靠的正是“世界模型”。

6月12日，在北京智源大会上，智源研究院推出了世界模型最新成果，悟界·Physis-v0.1和悟界·Robo-Brain Orca。

作为全球首款通用世界基座模型，悟界·Physis-v0.1正构筑真实物理世界人工智能底层核心引擎。它能有效弥补主流人工智能模型不懂真实物理规则、物理推演结果可信度低、长程时序记忆缺失的核心短板，以通用基座能力实现在各种场景中物理交互、感知与决策的统一性，提升AI物理推理的真实性与可靠性。悟界·RoboBrain Orca则是以下一个物理状态预测为核心的具身大脑。它打破了传统AI仅能理解文本的局限，推动AI从理解文本走向感知、预测物理世界并与之交互。

有了世界基座模型和具身大脑的支撑，AI便拥有了跨越“数字虚拟”与“物理现实”之间鸿沟的核心能力。打个比方：机器人不仅能自主识别“杯子在桌子边缘”，更能预判“杯子掉下去会摔碎”，还能分辨“盖好盖子”与“没盖好盖子”的水杯跌落带来的不同后果。

构建面向物理世界的智能“基座”

究竟何为世界模型？为何必须研发世界模型？“世界模型，是面向物理世界的基座模型。”智源研究院院长王仲远说。

长期以来，AI多停留在聊天、写代码、生图等“虚拟”层面。然而，无论是机器人作业、自动驾驶还是科学发现，都需要具备对物理规律的深刻理解与因果推理能力，这恰恰是当前大模型和视频生成模型的短板。王仲远举了个例子，视频模型能生成天上飞的猪，这在数字世界是趣味，在物理世界却是灾难。

王仲远提出，要让AI真正进入物理世界，解决制造业、医疗、物流、养老等实体经济的痛点，世界模型须具备几项核心能力——物理正确、动作因果可溯、长程一致和通用泛化。

首先是物理一致性，即模型能理解并遵守真实物理规律。其次是动作因果性，模型需理解动作与状态变化的因果关联。长程可推演性，指的是模型需要在较长时间跨度内保持逻辑连贯，不“失忆”、不“乱编”。通用泛化性，即一个基座模型能够适配多种场景，同一个“大脑”既能指挥机器人端茶倒水，也能用于自动驾驶预判行人意图，还能辅助新药研发——这正是世界基座模型区别于传统专用模型的核心价值。

“真正的世界模型，必须能理解和推理真实物理世界的时间、空间、物理规律，并具备主动交互的能力。”王仲远表示，当下世界模型仍处于发展早期，仍需开展大量科研探索。

北京队竞逐万亿市场“无人区”

过去几年，从大语言模型到视频生成模型、多模态大模型，AI技术演进远超预期。下一个颠覆性范式是什么？对此，王仲远认为，世界模型特别是世界基座模型，有望在未来5到10年成为人工智能领域的重大技术颠覆和研究范式。

作为全球最早布局该领域的机构之一，智源的步伐坚定且清晰：2023年智源大会期间，图灵奖得主、有“卷积神经网络之父”之称的杨立昆提出新一代世界模型概念，2024年，智源将世界模型明确为下一代大模型技术，并在同年发布悟界·Emu3模型。2025年推出全球首个原生多模态世界模型悟界·Emu3.5。如今，悟界·Physis-v0.1与悟界·RoboBrain Orca两项成果的推出，再次印证了这支“北京队”向世界基座模型“无人区”发起的冲锋。

一场围绕世界模型的万亿级市场竞赛已然打响。近几个月，谷歌、英伟达等巨头纷纷重兵押注。据摩根士丹利预测，到2035年世界模型所赋能的产业规模将达10万亿美元；国元证券也提出，2030年全球搭载世界模型的机器人市场将突破3万亿元，成为AI下一轮增长的核心引擎。

令人振奋的是，全球围绕世界模型的技术路线仍处于探索阶段。与大语言模型时代海外巨头具备极大的先发优势不同，在这一全新赛道上，中国科研界已不再仅仅是跟随者。“我们已经有了自己独立且原创的技术路径，甚至开始去定义问题、定义技术路线本身，在世界模型这片无人区，中国正与世界处于同一起跑线。”王仲远说。（孙奇茹）