智源发布全球首款通用世界基座模型悟界Physis-v0.1

什么是世界模型？说人话解释一下

  简单说，现在的大模型是“预测下一个词”，而世界模型是“预测下一个状态”。

  给它看一个杯子倾斜的视频开头，它能准确预测水会怎么流、最后洒在哪里；给它一个机器人和一个任务，它能在脑子里先“预演”一遍，判断哪样会成功、哪样会失败。

  这不是靠背诵文本，而是靠建立对物理世界运行规律的认知。

  北京智源大会上，智源发布了悟界·Physis-v0.1，号称“全球首款通用世界基座模型”。它能把视频、3D点云、力触反馈这些不同数据，统一转换成一套“物理表征”，然后推演接下来会发生什么。

  翻译一下：以前的AI是“读万卷书”，靠背诵海量文本回答问题；以后的AI是“行万里路”，靠理解世界规律解决问题。

为什么世界模型这么重要？

  因为现在的大模型，已经快摸到天花板了。

  智源院长王仲远说得很直接：互联网公开数据已经快用完了，大模型预训练遇到了瓶颈。能用来训练的文字数据差不多都用完了，再想靠堆数据、堆参数让AI变聪明，越来越难，也越来越不划算。

  这就是所谓的Scaling Law边际递减——花两倍的钱，可能只能换来10%的性能提升。

  那怎么办？世界模型就是一个重要的突破方向。它不靠堆文本数据，而是靠学习物理世界的运行规律。一旦这条路走通，AI的能力就会发生本质的飞跃。

  比如现在的AI写代码、写文章很厉害，但让它控制机器人去做一件从来没教过的事，它就傻了。有了世界模型就不一样了，机器人遇到新场景，能自己想解决方案，因为它理解这个世界是怎么运转的。

四条路线，谁能跑赢？

  现在做世界模型的，不止智源一家。谷歌、英伟达、腾讯、阿里，全球最顶尖的AI力量都在往这个方向冲。

  四条技术路线各有优劣：

• 以语言为中心：落地最快，但底子还是Token预测，对物理世界的理解差一层
• 以像素为中心：代表是Sora，视觉效果惊艳，但计算量大，学到的可能只是表象
• 以三维结构为中心：空间认知准确，但数据成本高、泛化能力有限
• 通用物理表征：智源Physis走的路线，通用性最强，但难度也最大

  现在还很难说哪条路最终能跑通。但有一点是确定的：谁先搞出真正能用的世界模型，谁就掌握了下一代AI的主动权。

三个改变，影响深远

  如果世界模型真的搞成了，影响会比现在的大模型还大。

  机器人会突然变聪明。

  现在的机器人遇到意外就懵，只能按程序走。有了世界模型，机器人就能预判、能应变、能自己解决问题。具身智能说了好几年，可能就要真正落地了。

  AI会从“工具”变成“伙伴”。

  现在的AI你问它什么它答什么，更像高级搜索。但有了世界模型，AI就能跟你一起想问题，帮你推演各种可能性。这才是真正的智能助手。

  科学研究的速度会大大加快。

  以前研发新药、新材料，要做无数次实验，花好几年。有了足够精准的世界模型，很多实验可以在电脑里先做一遍，成本和时间都会大幅下降。

  当然，现在说这些还早。Physis-v0.1还只是0.1版本，距离真正实用还有很长的路。但方向对了，就不怕路远。

  很多人觉得AI发展已经够快了，但我要告诉你，真正的加速还没开始。大语言模型只是开胃菜，世界模型带来的变革，才是真正的主菜。