第八届北京智源大会聚焦世界模型 行业热议AI下一代基座

6月12日至13日，第八届北京智源大会在中关村落幕。这场被业内称为“AI界春晚”的会议，在Tokenmaxxing时代逐渐走向瓶颈、大模型基准难以拉开实质差距的背景下，将行业目光引向了更具想象力的下一基座——世界模型。被视为关乎AI未来范式的路线之争，在本次大会上迎来了集中的观点碰撞。

Tokenmaxxing走向瓶颈 大模型基准难分伯仲

与会者指出，当前以token生成和最大化（Tokenmaxxing）为代表的大模型发展路径，已难以为模型性能带来显著提升。业界普遍感受到，基于现有基准的评测指标难以再拉大模型之间的实质差距，行业亟需寻找新的技术锚点。

世界模型：下一代基座的核心议题

作为大会焦点，“世界模型”被定义为能够理解并模拟物理世界规律、抽象因果逻辑的下一代AI基座。它不同于仅处理文本token的大语言模型，旨在让机器具备对现实环境的感知与推理能力。

“当Tokenmaxxing时代逐渐走向瓶颈，大模型基准难以再拉开实质差距，行业的目光开始投向更具想象力的下一代基座——世界模型。”

路线之争激烈碰撞 多领域专家发表观点

围绕世界模型的技术路径、实现方式及潜在应用，多位学者与产业代表在大会上展开辩论。讨论涉及如何构建具备物理常识的模型、如何平衡计算效率与泛化能力等关键问题。

• 部分专家认为，世界模型应基于强化学习与因果推理，通过与实际环境交互习得规律。
• 另有观点主张直接从海量多模态数据中隐式建模物理规则，无须显式标注。

对行业的影响：技术路线或重新定义AI发展格局

业内人士表示，若世界模型取得突破，将可能重塑AI在机器人、自动驾驶、科学模拟等领域的应用边界。目前该方向尚处早期探索阶段，但已成为多家头部科技企业的战略储备方向。

智源研究院发布世界模型悟界Physis-v0.1，支持50+复杂物理场景长程推理

在近日举行的世界模型相关会议上，智源研究院院长王仲远提出，世界模型是面向真实物理世界的下一代基座模型，核心任务从“预测下一个Token”转向“预测下一个物理状态”。会上，智源研究院发布了其最新科研成果——悟界·Physis-v0.1，该模型支持50+复杂物理场景长程推理，具备物理一致性、动作因果性等四大核心能力，可落地于工业、具身智能、科研等真实场景。

四大技术流派分野与局限

王仲远在会上指出，目前全球业界对世界模型的实现路径尚未形成共识，四大技术流派沿着各自的底层逻辑分头突进，构成了当前AI前沿领域的核心分野。

• 语言中心派：商业化成熟度最高，依托大语言模型的强推理能力，将多模态信息映射到语言空间。但语言是对物理世界的高度抽象，无法完整承载几何、动力学等细节，在真实物理交互中容易出现认知偏差。
• 像素生成派：以视频生成模型为代表，通过预测下一帧像素模拟世界演化。王仲远直言，视频生成模型不等于真正的世界模型，视觉逼真不代表物理正确，难以支撑严肃工业场景决策。
• 三维结构派：以3D重建、数字孪生技术为核心，构建精准几何空间，在城市仿真、建筑设计领域优势明显。但当前多数模型侧重几何结构还原，对流体力学等物理规律覆盖薄弱，未实现完整物理交互推演。
• 视觉表征派：由图灵奖得主杨立昆倡导，预测压缩后的高维视觉表征，样本效率和泛化能力强。但视觉自洽未必对应真实物理交互正确性，距离落地决策场景仍有距离。

四大路线各有侧重，却共同指向同一行业瓶颈：绝大多数世界模型仍停留在数字世界范畴，未真正锚定真实物理世界的底层规律。

“物理AI”共识：物理一致性成行业准则

本次大会上，“物理AI”成为与会嘉宾的核心共识。王仲远强调，真正能支撑严肃场景的世界模型，必须以物理一致性为底层准则。物理一致性指模型模拟结果须符合真实世界的物理规律，例如重力、碰撞、材质属性等，而非仅追求视觉逼真。

“从数字世界走向物理世界，从视觉逼真走向物理正确，已是行业明确的演进方向。”——王仲远在会上表示。

悟界·Physis-v0.1正是这一路线的成果，其四大核心能力中物理一致性确保模型在长程推理中不偏离真实物理规律，动作因果性则使模型能理解动作与物理状态变化的因果关系。

产业端探索与行业演进方向

产业端已有玩家提前布局。五一视界依托数字孪生领域的多年积累，将物理规律内嵌于模型推理逻辑，推动物理世界模型在智能驾驶、工业仿真等场景的落地验证。

当前世界模型整体仍处于发展早期，技术路线远未收敛。但业界共识已明确：从数字世界走向物理世界，从视觉逼真走向物理正确，是行业未来的演进方向。