上海
《科创板日报》9月7日讯（记者 李明明）世界模型正成为大模型之后最热的技术风口。2025年8月DeepMind发布Genie 3后，李飞飞、杨立昆及英伟达、Meta等海内外机构密集布局，AI世界模型卡位战全面打响。
当前行业主流路线分为四类，前三类以语言多模态、像素视频生成、3D空间重建为核心，吸引了绝大多数关注；唯独以隐空间表征为核心的路线最为低调，完全不生成像素。
2026年从西湖大学自主智能实验室孵化的西湖数智（Awomo）正是这条路线的代表，半年内完成累计亿元级种子轮、天使轮融资，攻关“概念世界模型”，目标是将物理规律压缩进隐空间，为机器人与自动驾驶提供可提前推演决策的“三思而后行”的大脑。
创始人于开丞是这条赛道上少见的早行者：他先后任职于英特尔智慧系统实验室、Abacus.AI、阿里达摩院自动驾驶实验室，2023年初即启动世界模型研究——彼时“世界模型”对绝大多数人还是一个陌生名词。近日，《科创板日报》记者对于开丞进行了专访，试图在一个喧嚣的赛道里，还原一个技术老兵对路线、数据、商业化与“物理AI的GPT时刻”的冷静判断。
从达摩院的物流车说起：长尾场景逼出来的路线
《科创板日报》：当前行业内多数世界模型路线聚焦像素级视频生成和行为模仿，你们坚定地走隐空间驱动的概念世界模型路线。选型初衷是什么？它与主流路线在解决”AI进入真实物理世界”这一核心命题上，最本质的差异是什么？
于开丞：选择这条路径，是我们过去三五年在物理AI上一步一个脚印走出来的。源头要追溯到我加入西湖大学之前，在阿里达摩院自动驾驶实验室的工作。当时我们服务的是物流场景——在中国大量高校里做快递配送。
这事听上去特别简单：速度慢、行为简单、相对可控，安全系数不像乘用车那么难做。但恰恰是这个过程，让我们发现了一个很严重的问题：中国的大学校园里有大量物品、特别复杂的道路结构，还有非常活泼的同学们，每个人都会跟车辆产生互动。于是我们迅速碰到一个自动驾驶里很少被谈及的问题：实现物理智能，到底需要一个怎样的模型？
传统路径是数据驱动——碰到任何一个新物品、新概念，就要重新收集数据、重新学习训练。这件事会变得非常不可持续。
所以在2023年初，我们开始了世界模型相关工作，但坦率说，那时我们也是做像素生成和行为模仿——虽然我们是全世界最早做这件事的人，但当时也是沿着这套技术方向走的。到2023、2024年，我们完成了这个探索，一度非常激动：世界模型确实可以模仿这个世界的很多行为。
但紧接着我们发现一个更令人困惑的事情：如果构建显式的像素生成，对物理智能的突破不够本质。
《科创板日报》：为什么？
于开丞：以人为例。人在当中，每时每刻都会对未来做预判，所谓三思而后行”。但这种三思而后行，在像素级生成的世界模型里，不够高效，也不够本质。
你开车的时候，不会闭上眼睛想象未来每一帧的每个像素在什么位置，不会像过电影一样做精细生成。你更多只是大概感受一下：这辆车下一秒可能在什么位置。端一杯水也一样，你不会去推演未来每个像素点会在哪里，只会想“它大概会到什么地方”。
我们摒弃精准像素生成，因为世界模型的落脚点应该在”世界”本身，而生成像素本质上是给人看的——这从根本上不符合第一性原理。构造世界模型，应该以最终目标为导向反推设计，而不是以”人看着不错”为导向。
概念世界模型：让机器学会“举一反三”
《科创板日报》：在隐空间中压缩复杂物理规律、实现实时行动指导方面，团队已经突破了哪些核心难题？还面临哪些关键挑战？
于开丞： 在压缩物理规律上，我们提出了自己特色的隐空间模型——概念世界模型。技术细节目前还不方便透露，但它能实现的效果是：把人的”举一反三”在模型内部以一种机制、一种建模方式表达出来。落到实际上，就是数据效能的极大提升。
我们可以有针对性地、有条件地收集定向场景的数据，并在模型内部实现内生的排列组合，对未来大量未见场景形成直观覆盖——这是我们目前最核心的技术特色。
挑战也很明确：我们还在从零到一构建一个预训练的物理世界模型，有大量数据需求、模型迭代需求和工程化加速需求，这是团队眼下在攻坚的部分。
《科创板日报》：物理智能的训练数据和文本、图像数据差别很大。你们的数据体系构建逻辑是什么？真实物理场景数据稀缺、采集成本高，如何靠仿真和真实数据协同破解数据效率难题？
于开丞：两点。第一，全学科的物理数据非常重要。我们需要看到不同种类的物理现象，构成一个更广义的概念空间，再通过排列组合实现对未来场景的探索——这和我们的模型迭代是相配合的数据采集方式。
第二，仿真。我们团队有从MIT回来的仿真专家，直接帮助我们推进和搭建仿真管线。仿真提供的是”物理直觉”，我们可以通过模型设计的因素，规避Sim2Real带来的问题。一切都是围绕模型迭代来做。
自动驾驶有亿小时级别的数据积累，又是一个”简单任务”，但它本身并没有实现通用物理智能。这恰恰说明一个核心问题——物理世界的基础模型，一定不会从某个具体应用场景里长出来，而一定要从通用模型训练本身入手。人不是生下来就会开车，是先成为“人”，再去学开车。这在具身智能里也会得到同样的体现。
阶段判断：世界模型刚刚开启Scaling Law
《科创板日报》：你判断世界模型目前处于什么阶段？
于开丞： 世界模型还处于最早期的迭代阶段——完成了初步的规模化验证，正在开启Scaling Law规模化扩散的过程。
《科创板日报》：模型研发的阶段目标怎么排？
于开丞： 我们的计划很直接——9月完成模型小规模的内部验证训练，12月在小于5B左右的尺寸上完成规模扩散，明年6月之前完成10B物理基础模型的训练与发布。物理交互数据体系建设方面，我们会同期启动针对概念世界模型的数据采集方案和数据资产化方案，目前还在准备对外披露。
《科创板日报》：落地优先级怎么排？融资方面，半年内连续完成累计亿元级天使轮，资金的核心分配是什么？
于开丞： 商业上，我们优先选择有真实需求的行业和场景。但我们以模型研发为主，核心赋能点在模型驱动——物理具身模型提供对世界的生成和理解，这会最先变成落地的业务方向。资金分配主要在三块：人员招聘、模型研发所需的算力支出和数据支出，眼下最大的重心是算力。
《科创板日报》：一脑多形、跨本体迁移是公司的优势。目前不同硬件形态——自动驾驶、机械臂、具身智能之间——模型复用率到什么水平？
于开丞： 目前已经在早期阶段完成了论证。我们发现基础模型本身对下游业务的赋能复用率比较高：具体到不同本体迁移这件事，落地端大约只需要使用5%到10%的增量数据，就可以实现对某个具体场景的覆盖。不过跨本体迁移是我们第二阶段的重点，第一阶段还是构建物理基础模型本身。
商业模式：先有鸡，才有蛋
《科创板日报》：你之前提过，短期提供行业解决方案，长期走MaaS模式。推进节奏怎么拆解？
于开丞： 短期和长期，靠模型迭代来打通。短期的行业解决方案，是因为模型在早期需要初步的验证场景——和行业走在一起，本身也是对模型研发能力的验证。长期走向MaaS的节奏，我们认为在明年6月模型正式发布之后，会以API的方式让更广泛的用户接入生态。
《科创板日报》：团队孵化自西湖大学自主智能实验室。物理智能是长周期赛道，如何平衡基础研究的深度和商业落地的效率？
于开丞：这是一个先有鸡还是先有蛋的问题：模型是鸡，应用是蛋，一定是先有鸡才有蛋。所以商业化的效率，要靠模型研发的速度来驱动。这是长周期赛道，我们做好了打持久战的准备。
为此我们搭建了一种”多智能体”式的产研架构：一边是最核心的工程研发人员，全部来自大模型时代头部一线公司，核心技术骨干在万卡级训练上有很强的Scaling Law工程经验；另一边引入世界模型领域最尖端的年轻学者。公司驱动算法工程落地，西湖大学、中国科学院大学的老师提供智囊团支持。
《科创板日报》：大厂和创业公司都在布局世界模型，这是今年上半年最火的赛道之一。西湖数智的核心壁垒是什么？
于开丞： 第一是团队——左边是一线成熟工程骨干，右边是学术界顶级专家的结合。第二是积累。我们从2023年一步一个脚印走到现在，这背后是行业理解、思考和引领。过去几年我们数次反驳过自己，做出过两到三个颠覆性认知的工作。2023年我们提世界模型的时候，很多人根本不知道世界模型是什么。这些构成了我们当下最大的技术底气。我们不是看到世界模型火了才切入的。
《科创板日报》：你提出要把物理世界的规律写进机器行动的底层模型，计划3~5年内让概念世界模型成为物理智能的重要基座。在你看来，物理AI行业真正走向规模化落地的关键节点是什么？
于开丞： 是物理基础模型能覆盖的场景覆盖度。我们最近着力推进的方向，就是让概念世界模型囊括更多物理现象、更多物理场景——这是最基础的底线。
如果我们能实现一个通用的技术架构，并且可以规模化地扩张覆盖范围，我们就有理由相信：物理AI的GPT时刻真正到来了。我们只做一件事——全力推动物理基础模型的研发与迭代。我们希望，成为第一个站上真正意义上的广义物理GPT时刻的团队。
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.
