上海
作为全球最具影响力的人工智能产业盛会之一，2026世界人工智能大会（WAIC）以“智能伙伴 共创未来”为主题，汇聚来自全球的技术创新者、产业界和学术界代表，共同探讨人工智能发展的前沿方向。亮源新创（Light Origins）首次受邀参加大会主论坛及专题论坛，并围绕Physical AI、基础模型、具身智能及人工智能产业化等议题，与全球研究者、产业伙伴展开交流。
认识亮源新创创始人兼CEO姜旭（Roger Jiang）都知道，他是ChatGPT核心贡献者。在WAIC现场，他首次系统阐述公司对于Physical AI发展的核心判断，提出具身智能发展的三大范式——规模化预训练（Scalable Pre-training）、规模化对齐（Scalable Alignment）和规模化部署（Scalable Deployment）。
这一次，他的目标从大语言模型看向了具身智能。“回顾人工智能的发展，每一次重大突破都源于新的范式突破，而不仅仅依赖算法、模型架构等单点的创新。大语言模型如此，具身智能也将如此。”他认为，具身智能的发展将沿着规模化预训练、规模化对齐和规模化部署三大范式持续演进，智能即产品也将适用于具身智能，“只有这三个范式突破的叠加才有可能带来智能的无限提升。”
当前，很多人都在谈世界模型，世界模型究竟是什么？哪些能力是一个真正世界模型不可缺少的？在姜旭看来，世界模型最核心需要完成两项任务：第一，是预测世界的下一个状态；对于视频生成模型来说，就是预测下一帧。第二，也是更重要的一项，是预测下一个动作。“如果必须在两者之间做取舍，我认为预测动作比预测状态更加重要。因为我们训练世界模型的最终目的，不是为了生成视频，而是为了控制机器人。”他说。
这也解释了姜旭为何投身具身智能基础模型研发的原因。在过去几年，大模型的发展本质上是一个不断模仿人、最终超越人的过程。具身智能的发展也应该遵循类似的路径——通过大规模模仿人，最终实现超越人。人在物理世界中完成各种动作时，并不会不断预测世界的下一个状态，而是在充分观察环境、获得视觉信息之后，自然而然地做出动作。
姜旭认为，世界模型真正需要突破的是建立大规模的“状态—动作”映射。但今天主流世界模型架构，还没有很好地同时完成两件事情：理解和生成。经过几年的探索，行业已经逐渐形成共识：两者很难通过同一种表征统一完成。因为理解和生成需要不同的表征方式：“这也是亮源新创重点攻克的问题。我们希望通过架构创新和数据创新，更好地统一状态理解和动作预测两项能力。”
据悉，亮源新创是一家致力于构建具身智能基础模型的人工智能公司。公司围绕规模化预训练、规模化对齐和规模化部署三大范式开展研发，旨在实现Physical AGI（通用人工智能）。其中，规模化部署不仅意味着基础模型能力真正参与物理世界，更将持续产生高质量真实世界数据，形成驱动基础模型持续优化的数据飞轮，推动具身智能基础模型不断拓展能力边界。
对于商业落地，他则持保留态度，大模型的训练路径已经越来越清晰，但真正找到适合模型能力的产品形态和商业场景，并不比训练模型本身更容易。对于具身智能公司而言，一个更现实、成功率更高的策略，是保持开放心态，持续探索丰富的应用场景，而不是过早假设唯一正确的商业化方向。
原标题：《世界模型如何驱动具身智能？ChatGPT核心贡献者姜旭提出三大范式》
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
