上海
7月19日，在2026世界人工智能大会期间，昆仑万维主办世界模型与多模态范式跃迁论坛，昆仑万维董事长兼CEO方汉提出，2026是世界模型元年。他表示：“AI不再只停留在生成内容，他开始理解世界怎么运行，预判行动会带来什么结果。我们笃定判断2026年是世界模型的元年。”
这一判断的背后，并不只是模型从文本、图像、视频走向更复杂生成任务的线性延伸。在方汉看来，真正的分水岭在于，模型能否在更低成本的数据供给下持续扩展，并由此获得对陌生环境的理解、预测和泛化能力。接受对话时，他将技术路线概括为：不同路径最终会向端到端的世界模型收敛，只有能够规模化扩展的路线，才可能支撑通用能力的继续提升。
（昆仑万维模型产品矩阵）
以视频模型为参照，方汉认为，当数据量达到足够规模，模型能力会出现明显跃迁；而具身智能和视觉世界模型也需要跨过相似的门槛。他预计，真正推动端到端模型能力跃迁的数据量，可能至少需要千万小时量级。眼下行业中可用数据仍处于较早阶段，如何用更低成本采集到覆盖更多场景的数据，决定了世界模型能否从概念走向可扩展的工程体系。
在他看来，第一视角视频数据是重要变量。与必须在真实机器人上完成的采集相比，手机、头戴设备等记录下的人类操作视频，成本更低、场景更多，也更容易形成规模。方汉透露，团队曾以约20万小时第一视角数据做小规模验证，在RoboCasa 365基准测试中将模型表现提升约8个百分点。他强调，这还不是大规模训练后的结论，但已经说明，第一视角数据能够为世界模型的扩展提供一条值得继续验证的路径。
这也解释了昆仑万维从虚拟世界走向物理世界的调整。方汉在对话中表示，公司此前在视频、游戏世界模型上的积累，与具身智能所需的部分技术能力具有连续性；面向真实机器人，问题则从“能否生成”进一步变为“能否理解动作后果，并在开放环境中泛化”。他认为，物理世界的约束会压缩无依据生成的空间，真正困难的是面对不同家庭、工厂和任务时，模型能否保持稳定的理解与决策能力。“后训练非常重要，因为没有后训练，你就没办法往真机上落。”方汉说。
据了解，针对具身智能赛道，昆仑万维近日成立了黎曼动力机器人公司，至此，形成了在“世界模型+具身智能+AI音乐生成”全模态赛道上的完整布局。
对于具身智能方向，方汉在现场提出：“世界模型将走出屏幕，走进物理世界，为此我们带来了黎曼1.0，它让机器人在行动之前先做推演，环境会怎么变化，动作会带来什么后果，出了意外该怎么调整。我们相信具身智能未来的竞争不会停留在某一台机器、某一项任务上。谁能训练出在陌生环境里仍然能看得懂、做得对的通用模型，谁就能拿到物理智能时代的入场券。这也是中国智能制造和机器人产业真正需要的底层能力。”
而相比物理世界，游戏或许会更早承接世界模型的产品化。方汉在现场判断，未来3到5年，世界模型会成为游戏行业的基础设施，内容生产的方式会被彻底刷新。
游戏之外，音乐是昆仑万维押注的另一条内容赛道。方汉表示：“AI音乐将从技术实验变成大众创作工具。Muerka是全球前两名的音乐生成大模型，也是第一款真正没有AIV的音乐生成大模型。过去很多AI音乐听起来规整但缺少温度，听完记不住，而Muerka要解决的就是这个问题。我们认为当普通人也能把一个模糊的灵感变成一首完整的有情绪的歌，音乐产业的创作生态就会发生根本性的变化，这不是替代音乐人，而是让创作的门槛降下来，让更多人有机会表达自己。”
对于商业化，方汉的判断相对直接：“付费意愿最高的肯定是视频和音乐。”他认为，生成式内容降低了专业创作门槛，也会带来更长尾的需求。海外用户的订阅习惯更成熟，国内则仍以免费使用为主，但在编程、视频和音乐等场景中，订阅与按调用量付费已经出现。随着推理成本继续下降，免费产品与付费服务也可能在不同能力和场景间并存。
最后，方汉总结道：“三个模型，三个产业预判背后是同一个方向，让AI从会生成走向懂世界能行动。这不仅是我们一家公司的回答，也是中国AI从研发走向产业应用的一个缩影。2026年世界模型元年，昆仑为率先交卷。”（定西）
本文来源：态℃
责任编辑：
丁广胜_NT1941
