經(jīng)濟(jì)觀察報(bào) 記者 周悅

2025年，“世界模型”（World Model）成為AI領(lǐng)域最受關(guān)注的詞匯之一。它指的是讓AI理解世界運(yùn)作規(guī)律，不再停留在識(shí)別或生成層面，而是能想象并預(yù)測(cè)世界的變化。

隨著大模型紅利逐漸減弱，各家公司都在尋找新的增長(zhǎng)點(diǎn)。DeepMind推出可生成交互式3D世界的Genie 3，OpenAI繼續(xù)強(qiáng)化 Sora的物理一致性；英偉達(dá)、華為、百度等也正從機(jī)器人與自動(dòng)駕駛場(chǎng)景切入，讓AI從看懂邁向參與。

10月30日，智源研究院發(fā)布悟界·Emu3.5多模態(tài)世界大模型。智源研究院院長(zhǎng)王仲遠(yuǎn)在接受經(jīng)濟(jì)觀察報(bào)等媒體采訪時(shí)表示，隨著互聯(lián)網(wǎng)文本數(shù)據(jù)被充分利用，大語(yǔ)言模型的增長(zhǎng)進(jìn)入相對(duì)緩慢階段，行業(yè)正在尋找新的突破口，而多模態(tài)與世界模型正是被寄予厚望的方向。

王仲遠(yuǎn)認(rèn)為，Emu3.5很可能開(kāi)啟第三個(gè)規(guī)模定律范式（Scaling）。在語(yǔ)言預(yù)訓(xùn)練和推理優(yōu)化之后，Emu3.5進(jìn)一步證明，多模態(tài)模型同樣具備可規(guī)?；砷L(zhǎng)的潛力?！八淖畲筘暙I(xiàn)，是用自回歸架構(gòu)統(tǒng)一了圖像、文本與視頻的生成和理解。它能夠預(yù)測(cè)下一個(gè)狀態(tài)（Next-State），這一點(diǎn)非常接近人類大腦對(duì)世界進(jìn)行理解的方式”。

與主流的Diffusion Transformer（DiT）架構(gòu)不同，智源從“第一性原理”出發(fā)，構(gòu)建原生多模態(tài)大模型。在Emu架構(gòu)下，模型能在同一系統(tǒng)中完成感知、理解、推理與生成，形成一個(gè)可持續(xù)進(jìn)化的世界模型。

智源研究院多模態(tài)大模型負(fù)責(zé)人王鑫龍介紹，Emu3.5基于超過(guò)10萬(wàn)億token的多模態(tài)數(shù)據(jù)訓(xùn)練，其中視頻數(shù)據(jù)累計(jì)時(shí)長(zhǎng)達(dá)790年，參數(shù)規(guī)模為340億。智源團(tuán)隊(duì)提出的“離散擴(kuò)散自適應(yīng)（DiDA）”推理方法，使圖像生成速度提升近20倍，同時(shí)保持高質(zhì)量輸出。模型在三個(gè)維度上實(shí)現(xiàn)突破：一是從意圖到規(guī)劃，能夠理解更高層級(jí)人類意圖，例如，如何制作一艘宇宙飛船，并生成連貫的多步驟行動(dòng)路徑；二是動(dòng)態(tài)世界模擬，能在統(tǒng)一框架內(nèi)預(yù)測(cè)物理動(dòng)態(tài)、時(shí)空演化與因果關(guān)系；三是泛化交互能力，為AI與人類及物理環(huán)境之間的協(xié)作提供認(rèn)知基礎(chǔ)。

針對(duì)外界將世界模型等同于視頻生成的看法，王仲遠(yuǎn)不認(rèn)同。他認(rèn)為，世界模型的核心并非視頻生成，而是對(duì)因果與物理規(guī)律的理解。比如機(jī)器人要抓起一杯靠近桌邊的咖啡，它必須預(yù)測(cè)哪種動(dòng)作會(huì)讓杯子掉下去，哪種才安全——這才是真正的理解。

他認(rèn)為，人類學(xué)習(xí)世界時(shí)不會(huì)區(qū)分語(yǔ)言或動(dòng)作，Emu3.5也不限定用途。它既可支撐具身智能，也能生成多模態(tài)訓(xùn)練數(shù)據(jù)。在他看來(lái)，這不僅是一次架構(gòu)創(chuàng)新，也展示了中國(guó)科研團(tuán)隊(duì)的原創(chuàng)路線，在世界模型這一尚未收斂的領(lǐng)域中，嘗試提出自己的答案。

2024年10月，智源研究院發(fā)布了全球首個(gè)原生多模態(tài)世界模型悟界·Emu3。該模型僅基于“下一個(gè)token預(yù)測(cè)”機(jī)制。Emu3.5則在此基礎(chǔ)上進(jìn)一步完善，使AI具備更強(qiáng)的物理直覺(jué)與跨場(chǎng)景規(guī)劃能力。

王仲遠(yuǎn)認(rèn)為，未來(lái)的AI，不只是理解指令，而要理解世界本身，并在其中行動(dòng)。

（作者 周悅）

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。

周悅

TMT編輯，關(guān)注科技、大健康交叉領(lǐng)域，擅長(zhǎng)行業(yè)研究，深度報(bào)道?！靶侣勈菤v史的初稿”。
歡迎聯(lián)系：zhouyue@eeo.com.cn。