WAIC 2026 圆满落幕 | 生数科技全景呈现通用世界模型最新进展：从数字世界生成到物理世界行动

7月20日，2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2026）在上海落下帷幕。

大会期间，来自全球的科学家、产业领军者、投资机构与创新企业代表齐聚上海，围绕人工智能技术演进、产业落地与全球治理等议题展开交流。

当人工智能进入新的发展阶段，行业关注的核心问题，正从“模型能够生成什么”，进一步走向“模型能否理解世界、预测世界、在世界中交互、在世界中行动”。

围绕这一趋势，生数科技亮相 WAIC 2026，通过一场专题论坛与一个互动展区，集中呈现世界模型在数字世界内容生成、实时交互和物理世界行动等方向的最新探索。

从世界生成模型Vidu、实时交互模型 Vidu S1，到世界动作模型 Motubrain，世界模型正在从前沿技术概念，逐步走进可体验、可验证、可应用的产业现场。

01聚焦论坛：世界模型走进AI影视生产全链路

7月20日上午，由生数科技与万兴科技联合承办的“世界模型驱动下的AI影视生产力新范式”专题论坛，在上海世博展览馆举行。本次论坛贯通 AI 基础设施、世界模型、创作工具与影视内容产业链，汇聚来自模型、算力、创作平台、影视制作及数据服务等领域的产业代表。

论坛上，生数科技创始人、清华大学人工智能研究院副院长朱军发表题为《通用世界模型：连接数字世界与物理世界的新基础设施》的主题演讲，系统分享了通用世界模型的技术演进、核心能力及产业应用路径。

朱军表示，人工智能正在从理解和生成数字内容，进一步走向对世界规律的建模、推理、预测与行动。世界模型不是视频模型的升级，也不是语言模型的延伸，而是 AI 从“生成内容”迈向“理解世界、推演世界、与世界实时交互”的新范式。

伴随AI技术发展，万兴科技创始人、董事长吴太兵提出AI影视“生产范式重构”的核心产业判断，他强调AI绝非影视行业的效率辅助工具，而是正在彻底重构产业运行的底层逻辑，影视产业正站在第四次技术跃迁的关键起点，AI影视是具备千亿级增长潜力的全新数字内容赛道。

而AI影视全链路落地，离不开算力基础设施的核心支撑。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示，世界模型开启新一轮生产力革命，对算力底座、训推一体、数据与工程化能力提出挑战；阿里云提供从数据、算力、训练、推理到Agent部署及全球化的全栈支撑，为世界模型迭代全栈就绪。

在圆桌环节，来自技术、工具、资本、内容、出海赛道的五位产业核心操盘手齐聚，围绕“AI影视进入产业深水区：模型、内容和全球化的新协同”主题开展深度研讨，为行业高质量发展输出了兼具实操性与前瞻性的一线共识。

骆怡航认为，模型层最重要的价值，是为创作者提供更大的自由度，持续提升生成速度、效率、场景适配能力和成功率，让创作团队把更多时间投入IP、剧本、角色和内容打磨。当前，中国已在视频模型、创作工具、内容生态和文化IP等方面形成结构性优势，中国AI影视的全球化不仅是内容出海，也包括以模型能力服务全球本地创作者。正如他所说：“生数科技坚持把模型做好，让创作团队能够自由地沉浸于创作，让更多的故事动起来”。

活动现场，生数科技与万兴科技牵头发起成立“万剧出海共创联盟”，并与创始联盟伙伴完成联盟签约仪式，共同构建面向全球的AI出海新生态。联盟将以“技术+内容+创作+发行+投资”的全链路协同模式，推动AI影视产业规模化出海。

创始联盟伙伴成员覆盖产业全链路：技术层联合生数科技等提供底层模型能力，生数科技以通用世界模型为基，为万剧出海提供AI生产力底座；内容层联合长信传媒等头部内容机构，链接全球IP资源；创作层联合灵漫快创等链接全球创作者；发行层联动StoReel、东麟影视等平台打通内容出海与全球变现；投资层联合“浙文投”旗下之容无限等产业资本，探索“资金+算力”创新孵化模式。

02 展台直击：从生成数字世界到行动于物理世界

论坛之外，生数科技的通用世界模型技术及产品也在 WAIC 展区集中亮相。以通用世界模型为底座，生数科技持续打造连接数字世界与物理世界的桥梁。

在数字世界，Vidu 支持文生视频、图生视频、参考生视频等创作方式，持续提升内容生成的一致性、物理合理性与交互性；Vidu S1 进一步推动视频生成从离线内容走向实时互动。

在物理世界，世界动作模型 Motubrain 以一个通用大脑驱动多种机器人理解、预测并行动于世界，推动通用世界模型从“视觉推演”迈向“物理决策”。

展区现场，参会者通过 Vidu Q3、Vidu S1 和 Motubrain 等技术及产品演示，直观体验了世界模型在内容生产、实时互动及具身智能等场景中的应用。

世界生成模型Vidu

作为生数科技面向数字世界打造的世界生成模型，Vidu 依托基座世界模型对人物、物体、场景、运动及视听信息的理解与重构能力，为创作者和企业提供多模态内容生成能力。

Vidu 支持文生视频、图生视频、参考生视频等创作方式，持续提升主体与场景一致性、运动表现、物理合理性、镜头控制及内容交互性，帮助创作者更加高效地完成高保真内容创作。

不同于仅生成单段画面，Vidu 进一步探索内容背后人物关系、空间结构、动态变化和物理规律的建模与推演，推动模型从“生成数字内容”走向“理解世界规律并构建动态数字世界”。

目前，Vidu 已形成覆盖 SaaS、MaaS API、Agent、ViduClaw 等形态的产品与服务矩阵，持续服务广告、短剧、漫剧、影视、电商等行业，推动 AI 视频从创意展示走进规模化内容生产流程。

实时交互模型Vidu S1

如果说传统视频生成解决的是“生成一段内容”，那么 Vidu S1 进一步探索的是“生成一个能够实时回应并持续互动的数字角色”。

展台现场，用户可基于真人、动漫、萌宠等任意初始形象和个性化音色，快速创建专属交互角色，并通过语音与角色实时交流、控制视频走向。

Vidu S1 能够结合语音语义、情绪、对话上下文及当前画面，实时生成角色的口型、表情、眼神、手势、身体姿态和后续动作，不再局限于简单的口型驱动或预设动作。

模型支持实时视频通话和无限时长连续互动，可实现 540P、25FPS 的视频通话级输出，最高支持 42FPS，在生成质量、响应速度与交互连续性之间实现平衡。

从生成一段固定视频，到生成一个能够实时回应、持续互动的数字角色，Vidu S1 将视频生成进一步带入实时、连续、可交互的新阶段，为 AI 情感陪伴、虚拟偶像、互动直播、游戏 NPC、品牌数字人、智能客服、在线教育及 XR 等场景提供新的技术基础。

世界动作模型Motubrain

作为生数科技连接数字世界与物理世界的进化核心，世界动作模型 Motubrain 定位于具身智能机器人的通用大脑，以一个通用大脑驱动多种机器人理解、预测并行动于世界。

Motubrain 采用 Mixture-of-Transformer（MoT）架构，将环境理解、世界状态预测与动作轨迹生成整合至统一模型框架，减少多个模型逐级协作带来的信息割裂与误差累积，使理解、预测与行动围绕同一任务目标协同完成。

通过学习不同机器人本体、任务和场景之间可共享的世界知识，世界动作模型 Motubrain 具备多本体适配、多任务泛化和长程任务执行能力，能够驱动不同形态的机器人在家庭、工业、商业等真实场景中，更稳定地完成连续复杂任务。

在多任务场景中，世界动作模型 Motubrain 能够保持稳定表现，并通过共享不同任务之间的世界知识提升多任务泛化能力；在多本体场景中，一个模型能够适配多种机器人，探索打破“一个机器人一个模型”的传统模式；在长程任务中，模型能够直接学习完整任务链路，无需上层规划、任务拆解或多模型拼接；在动态环境中，模型能够理解并预测环境变化，据此持续判断、调整与行动。

在 RoboTwin 2.0 榜单中，世界动作模型 Motubrain 在 Clean 和 Randomized 场景下分别取得95.8分和96.1分，均位列第一；在 WorldArena 榜单中，以63.77的总体EWM Score位列第一，并在运动质量、运动流畅性等多个关键维度取得领先成绩。

从理解世界、预测世界到行动于世界，世界动作模型 Motubrain 正推动具身智能从单点能力走向通用能力、从演示验证走向真实应用。

03 从模型创新走向产业现场

从 Vidu 到 Vidu S1，再到 Motubrain，生数科技在本次 WAIC 呈现了一条从数字世界生成到物理世界行动的技术与产品路径。

通用世界模型不仅意味着更强的内容生成能力，也代表一种能够理解环境、建模规律、预测变化并作出行动的新型通用智能底座。

当前，AI 正在重构内容生产、软件工具、工业流程与智能终端，世界模型也正在从前沿研究走向可体验、可验证、可落地的产品与应用。

WAIC 2026虽然已经落幕，但世界模型走进产业的探索仍在继续。

未来，生数科技将持续推进通用世界模型的研发与应用，推动模型能力深入数字内容、实时交互、具身智能及更多真实场景，进一步释放人类创造力与生产力，引领 AGI 新纪元。