每經(jīng)記者｜可楊    每經(jīng)編輯｜董興生    

6月6日，智源研究院在“2025智源大會”上發(fā)布“悟界”系列大模型，宣告其從“悟道”時代邁入“具身智能”探索階段。

智源研究院院長王仲遠在接受《每日經(jīng)濟新聞》記者在內(nèi)的媒體采訪時表示，“AI（人工智能）正加速從數(shù)字世界走向物理世界”，這是推動其戰(zhàn)略升級的根本邏輯。

王仲遠 圖片來源：主辦方供圖

這一判斷背后，是AI技術(shù)與應(yīng)用邊界的重構(gòu)。當(dāng)前，主流大模型大多聚焦在C端文本生成、語言對話等“數(shù)字智能”場景，而智源試圖將AI推向更具挑戰(zhàn)性也更具想象空間的“現(xiàn)實世界”——包括機器人、操作系統(tǒng)與世界模型的構(gòu)建。在王仲遠看來：“這個世界不需要那么多‘博士’，更需要能執(zhí)行任務(wù)、能落地的AI。”

“具身智能”正成為下一場AI競賽的起點。王仲遠判斷，具身智能的“小組賽”還沒結(jié)束，遠沒有到“淘汰賽”。但誰能在這一新賽道率先跑通技術(shù)路徑、突破數(shù)據(jù)瓶頸，誰或?qū)⒍x人工智能的下一個十年。

從“悟道”到“悟界”，AI正邁入現(xiàn)實物理世界

“人工智能正加速從數(shù)字世界走向物理世界，這是我們對整個大的技術(shù)發(fā)展趨勢的判斷。”在采訪中，王仲遠以這句話點明了智源研究院由“悟道”大模型升級至“悟界”大模型背后的核心邏輯。人工智能技術(shù)正經(jīng)歷從以語言理解和推理為核心的“數(shù)字智能”，邁入與現(xiàn)實環(huán)境互動的“具身智能”階段。

從早期的“悟道”系列到如今的“悟界”系列，智源研究院的戰(zhàn)略轉(zhuǎn)向并非突如其來，而是“水到渠成”。王仲遠坦言：“我們認(rèn)為人工智能最終要造福人類社會，要幫助大家擺脫繁瑣的、重復(fù)的、簡單的勞動，使得大家能夠更多地享受生活，享受這個世界。”他進一步指出，大模型技術(shù)不應(yīng)止步于文本生成、語言對話等C端應(yīng)用，而應(yīng)繼續(xù)向現(xiàn)實世界滲透，服務(wù)實際場景。

在技術(shù)路徑上，王仲遠強調(diào)，目前整個大模型的發(fā)展基本上都還處在數(shù)字世界，尤其是C端應(yīng)用，比如聊天工具、對話模型。“但我們也堅定地認(rèn)為，這個世界并不需要那么多‘博士’。”在他看來，AI不應(yīng)僅用于提升智能“學(xué)術(shù)型”表現(xiàn)，更應(yīng)拓展其實際執(zhí)行力，服務(wù)現(xiàn)實世界需求。

此次“悟界”系列模型的發(fā)布，正是在此背景下的延伸嘗試。據(jù)介紹，“悟界”不僅繼續(xù)強化了模型的推理能力，也嘗試將AI從虛擬認(rèn)知延伸至真實物理世界的感知與交互中。這一進程的核心技術(shù)支點，就是“世界模型”（World Model）的探索。

然而，目前“世界模型”尚無標(biāo)準(zhǔn)定義。王仲遠坦言：“在全世界范圍內(nèi)，大家都還沒有非常明確的定義。有些叫空間智能，有些叫時空智能，也有其他不同叫法。”智源內(nèi)部將其理解為一種原生多模態(tài)世界模型，本質(zhì)上是通過單一模型捕捉世界規(guī)律的嘗試。這些規(guī)律不僅包括物理規(guī)則，也涵蓋人與世界交互的機制，例如類腦神經(jīng)系統(tǒng)中的模塊化處理方式。

王仲遠特別強調(diào)，他并不試圖為世界模型下一個絕對定義，而是“代表我們對于使用人工智能探索世界的一種實踐路徑”。

具身智能賽道“小組賽”尚未結(jié)束，遠沒有到“淘汰賽”

在人工智能走出數(shù)字世界的過程中，如何構(gòu)建“具身智能”成為研究核心。所謂具身智能，意指AI系統(tǒng)具備與現(xiàn)實物理世界交互的能力，能夠在復(fù)雜環(huán)境中感知、規(guī)劃、執(zhí)行任務(wù)。

圍繞機器人形態(tài)的選擇，當(dāng)前學(xué)界與業(yè)界依舊存在眾多分歧。例如，有觀點認(rèn)為當(dāng)下對人形機器人的熱衷或許走錯了方向，四足構(gòu)型可能更實用。對此，王仲遠表示：“具身智能不代表一定是人形機器人。”他指出，智源開發(fā)的RoboOS操作系統(tǒng)已經(jīng)能夠適配多種構(gòu)型，包括機械臂、輪式、雙足、四足等。

不過，王仲遠并不否認(rèn)人形機器人的長遠價值。他認(rèn)為，人類社會的基礎(chǔ)設(shè)施是圍繞人類構(gòu)型打造的，從長遠看，人形機器人更容易融入現(xiàn)有社會系統(tǒng)。此外，人形構(gòu)型在數(shù)據(jù)訓(xùn)練上也更具優(yōu)勢。“我們做具身大腦模型時發(fā)現(xiàn)，人形構(gòu)型更有利于利用現(xiàn)有視頻數(shù)據(jù)學(xué)習(xí)，而四足機器人所需的數(shù)據(jù)更稀缺，獲取難度更大。”

除了機器人形態(tài)，另一個具身智能的發(fā)展關(guān)鍵點是“大小腦協(xié)同框架”，即如何在AI系統(tǒng)中實現(xiàn)決策層與執(zhí)行層的高效配合。王仲遠介紹，智源推出的RoboOS便是實現(xiàn)大小腦融合的一次嘗試。

不過，他同時指出，目前的技術(shù)仍遠未成熟。“我的一個堅定觀點是，具身智能的‘小組賽’還沒結(jié)束，遠沒有到‘淘汰賽’。”王仲遠認(rèn)為，從長期趨勢看，大小腦融合的模型是有可能實現(xiàn)的，可能需要五到十年，但絕不是今天，原因很簡單，就是數(shù)據(jù)受限。當(dāng)前的感知數(shù)據(jù)尚無法支撐統(tǒng)一模型的訓(xùn)練和泛化，這也直接限制了人工智能在多任務(wù)場景中的能力擴展。

王仲遠認(rèn)為，具身智能的最大挑戰(zhàn)，是如何從專用任務(wù)逐步過渡到具備一定泛化能力，再發(fā)展為真正能夠解決各種問題的通用系統(tǒng)。他指出，這正是AI從1.0（專用）邁向2.0（通用）的過程。

此外，王仲遠也談到具身智能研究的另一大困境——“數(shù)據(jù)難題”。他表示：“做具身模型，現(xiàn)在數(shù)據(jù)非常稀缺，我們采集和補充回來的也比較少。”這一問題不僅影響訓(xùn)練，還限制了模型在感知層和決策層之間的協(xié)同能力。

“真實世界的數(shù)據(jù)肯定重要，但它是不是足以訓(xùn)練出一個有價值的模型，這在學(xué)術(shù)界是有爭議的。”王仲遠表示，具身智能的突破路徑，或可借鑒當(dāng)前大模型發(fā)展的技術(shù)演進邏輯，即在大規(guī)模已有數(shù)據(jù)的基礎(chǔ)上進行能力預(yù)訓(xùn)練，隨后結(jié)合少量真實世界數(shù)據(jù)，通過強化學(xué)習(xí)不斷迭代模型能力。

他認(rèn)為，這種“基礎(chǔ)模型+強化學(xué)習(xí)”的技術(shù)路線，有望在物理世界中同樣奏效。當(dāng)前大模型的發(fā)展已經(jīng)驗證，基礎(chǔ)能力達到一定水平后，借助強化學(xué)習(xí)可以進一步激發(fā)智能表現(xiàn)。“所以我們認(rèn)為，具身智能或者物理世界的AI很可能也會有類似的技術(shù)路線。”