在中国人工智能领域的发展进程中，智源研究院始终扮演着关键角色。近年来，随着大模型创业潮的兴起，从这里走出了一批在行业内极具影响力的人物。智谱的创始人唐杰、月之暗面的创始人杨植麟、面壁智能的联合创始人刘知远以及银河通用的创始人王鹤等，他们所创办的企业在大模型和具身智能领域均有着突出表现，智源研究院也因此被视为中国大模型浪潮的重要人才源头。
中国大模型产业从无到有的发展历程中，智源研究院不仅是悟道大模型的诞生地，还为众多知名企业输送了大量人才，成为行业发展的重要推动力量。当下，AI行业的热点正从大模型向具身智能转移。公开数据表明，2026年一季度，具身智能产业链在一级市场获得的融资累计高达2560亿元，显示出这一领域的巨大发展潜力。
与大模型创业初期类似，具身智能赛道如今也呈现出头部化趋势。对于估值超百亿的具身智能本体公司，大部分风险投资机构已难以参与其中。在此背景下，一级市场的资金开始流向具身智能产业链的上游企业，而世界模型作为产业链上的热门方向，吸引了众多关注。
尽管世界模型概念在过去一年频繁出现，但行业内尚未形成统一定义。在近期的一场重要会议上，智源研究院院长对世界模型的四类技术路线进行了明确划分。第一类是以语言为中心的世界模型，像VLM、VLA这类模型，在文本空间预测下一个词，只能学到语言描述的世界，无法理解背后的物理逻辑。第二类是以像素为中心的世界模型，例如2024年初OpenAI将Sora称为“世界模拟器”，这类模型在视觉空间学习视频或图像，学到的是像素描述的世界。第三类是以三维结构为中心的世界模型，李飞飞创立World Labs后提出“空间智能”并对世界模型进行定义，此类模型旨在让AI理解和生成可交互的三维世界，但模型重建3D空间并不等同于理解世界。第四类是以视觉表征为中心的世界模型，由meta首席AI科学家提出，主张在隐空间学习世界规律，通过预测抽象状态理解现实世界，不过模型预测的是视觉表征的压缩，与物理规律演化不同。
目前，智源研究院正在探索第五种路线，即结合以语言为中心和以视觉表征为中心的方法，也称为潜空间表征，让同一个潜空间能够解码不同模态。智源研究院已形成从基座大模型、智能体到基础软硬件生态的完整布局。在今年的相关会议上，发布的悟界·Physis - v0.1与悟界·RoboBrain Orca是其世界模型路线的重要成果。悟界·Physis - v0.1定位为全球首款通用世界基座模型，由22岁的青年科学家陈博远负责，他担任智源行为世界模型创新中心负责人，带领团队探索下一代通用世界基座模型。悟界·RoboBrain Orca由智源具身模型负责人王鹏伟带队，打造基于下一个物理状态预测为核心的具身大脑，期望为具身智能机器人赋能。
随着世界模型被视为人工智能下一阶段的重要方向，智源研究院延续了其在大模型时代的前沿探索传统，将重点从语言模型转向世界模型。对于为何提前布局世界模型，智源研究院院长有着清晰的认识。在他看来，世界模型不会像大模型那样迅速形成统一赛道和竞争格局，因为目前技术路线尚未收敛，各家所提及的世界模型概念也可能不同，这种情况会持续较长时间，导致非行业人士难以分辨真正的世界模型。
智源研究院致力于打造具备泛化能力的通用世界基座模型，这种模型并非单纯生成视频或复刻现实世界的像素细节，而是能够理解世界运行规律并预测未来状态。院长以一个2岁小女孩为例，小女孩通过观看短视频和与真实世界交互，学会了拆糖果、串蓝莓等能力，世界模型就应具备类似人类自主学习的能力。然而，当前行业存在一个普遍误区，即将“视觉能力”与“物理理解”混为一谈。无论是视频生成模型还是机器人公司广泛使用的VLM/VLA，本质上仍停留在语言描述或像素描述的世界，未能触及物理状态预测的核心。
过去两年，VLM和VLA成为机器人公司的标配，借助大模型推理能力，机器人能够完成简单指令理解、路径规划和部分操作任务。但当面对训练数据中未出现过的新场景时，机器人的泛化能力有限，例如知道拿起杯子却不知杯子掉落的后果，知道开门动作却不一定理解门后的空间关系变化。这表明机器人缺少对现实世界运行规律的理解能力，而世界模型有望解决这一问题。
目前，世界模型的发展还处于早期阶段，没有统一定义、技术路线和行业公认的基础架构。OpenAI的World Simulator、李飞飞的空间智能以及Yann LeCun提出的世界模型框架等，都处于探索阶段，行业对于“什么才是真正的世界模型”仍存在巨大分歧。不过，这并不影响世界模型的重要性，它就像2012年的深度学习，当时AlexNet的出现让深度学习展现出超越传统算法的潜力，但没人能预见后续Transformer和ChatGPT的出现。如今，世界模型也正经历类似时刻，它可能成为机器人时代的基础设施，也可能演化成全新的智能架构，其发展方向充满不确定性，但已吸引越来越多研究机构、创业公司和资本的关注。
