2025年智源大會(huì)上，人形機(jī)器人不再是吉祥物，被“圍堵”的人從楊植麟變成了王興興。

這一年，AI進(jìn)展迅猛，迭代周期甚至少于3個(gè)月，且不再局限于大語言模型，而是轉(zhuǎn)化為人形機(jī)器人訓(xùn)練、落地的強(qiáng)輔助。

“人工智能正在加速從數(shù)字世界走向物理世界?！敝窃囱芯吭涸洪L王仲遠(yuǎn)在接受包括21世紀(jì)經(jīng)濟(jì)報(bào)道在內(nèi)的記者采訪時(shí)直言：“人工智能應(yīng)該為世界做一些實(shí)實(shí)在在的事情，幫助人類擺脫繁瑣的、重復(fù)的以及簡單的勞動(dòng)?！?/p>

AI技術(shù)路線轉(zhuǎn)向世界模型

“大模型技術(shù)還遠(yuǎn)沒有到發(fā)展的盡頭，過往所說的‘百模大戰(zhàn)’更多是大語言模型的競(jìng)爭，而大語言模型受限于互聯(lián)網(wǎng)數(shù)據(jù)的使用，基礎(chǔ)模型性能雖然還在提升，但是提升速度不如以前。”在王仲遠(yuǎn)看來，大語言模型性能提升瓶頸的解法主要包括三個(gè)方面，一是強(qiáng)化學(xué)習(xí)優(yōu)化推理能力，二是合成高質(zhì)量數(shù)據(jù)替代人類標(biāo)注，三是激活海量未充分利用的多模態(tài)數(shù)據(jù)，多模態(tài)數(shù)據(jù)的規(guī)?？蛇_(dá)文本的“百倍乃至萬倍”。

在智源研究院的判斷中，大模型的技術(shù)路線會(huì)從大語言模型往多模態(tài)尤其是原生多模態(tài)世界模型的方向發(fā)展。原生多模態(tài)世界模型本質(zhì)上是為了讓人工智能感知和理解物理世界，進(jìn)而推進(jìn)和物理世界的交互。進(jìn)入物理世界之后，在宏觀層面，大模型與硬件結(jié)合，通過具身智能的發(fā)展解決實(shí)際生產(chǎn)生活問題。

“所有這一切構(gòu)成的世界模型，是實(shí)現(xiàn)物理AGI的重要發(fā)展路徑?！蓖踔龠h(yuǎn)表示，智源研究院的工作布局都是圍繞這一技術(shù)發(fā)展趨勢(shì)進(jìn)行的。

在2025北京智源大會(huì)上，繼“悟道”系列大模型之后，智源研究院推出了“悟界”系列大模型，包括原生多模態(tài)世界模型Emu3、腦科學(xué)多模態(tài)通用基礎(chǔ)模型見微Brainμ、跨本體具身大小腦協(xié)作框架RoboOS 2.0與具身大腦RoboBrain 2.0以及全原子微觀生命模型OpenComplex2。

到底該如何定義“世界模型”內(nèi)核，王仲遠(yuǎn)以咖啡杯舉例：“現(xiàn)有模型能描述‘白色帶文字的杯子在桌上’，但無法判斷‘杯沿懸空可能墜落’——這需要時(shí)空預(yù)測(cè)能力?！彼麖?qiáng)調(diào)Emu3的核心突破正在于此：建立對(duì)物理因果關(guān)系的理解，而不僅是多模態(tài)信息拼接。

爭議中的具身智能落地路徑

當(dāng)被問及具身智能的技術(shù)路線之爭，王仲遠(yuǎn)展現(xiàn)出務(wù)實(shí)的態(tài)度。

??關(guān)于人形是不是具身智能的最優(yōu)解，王仲遠(yuǎn)肯定了人形機(jī)器人的長期價(jià)值：“社會(huì)基礎(chǔ)設(shè)施為人類設(shè)計(jì)，雙足構(gòu)型更易融入，且海量人類行為數(shù)據(jù)利于模型訓(xùn)練?！?/p>

但短期內(nèi)四足、輪式等形態(tài)將共存，“??人形機(jī)器人的成熟周期更慢??，今年剛學(xué)會(huì)跑，穩(wěn)定性仍需突破?！彼f道。

??數(shù)據(jù)悖論如何解？?? 面對(duì)“硬件能力不足限制數(shù)據(jù)采集，數(shù)據(jù)稀缺又制約模型進(jìn)化”的循環(huán)困局，王仲遠(yuǎn)認(rèn)為，可以通過互聯(lián)網(wǎng)視頻數(shù)據(jù)訓(xùn)練基礎(chǔ)能力，再以少量真實(shí)數(shù)據(jù)強(qiáng)化學(xué)習(xí)微調(diào)?！熬拖窈⒆涌匆曨l學(xué)會(huì)串藍(lán)莓，再動(dòng)手實(shí)踐優(yōu)化動(dòng)作?！?/p>

??工廠場(chǎng)景為何優(yōu)先？?? “封閉環(huán)境可規(guī)避安全風(fēng)險(xiǎn)，且重復(fù)枯燥任務(wù)存在剛需。”他舉例物流分揀、激光刻印等場(chǎng)景，“這些人類不愿做的工作，正是具身智能首個(gè)突破口”。

對(duì)于業(yè)內(nèi)熱炒的“大小腦融合”概念，王仲遠(yuǎn)表示，智源不否認(rèn)大小腦融合的可能趨勢(shì)，未來5-10年，大小腦融合的模型可能會(huì)成熟，但不是今天。

他直言，當(dāng)前具身智能數(shù)據(jù)量不足以支持大小腦融合的模型訓(xùn)練。

目前，具身智能的VLA模型泛化性不夠，也許能把咖啡端得很好，但并不能很好地解決其他泛化任務(wù)。王仲遠(yuǎn)認(rèn)為，具身智能或者機(jī)器人2.0時(shí)代，最重要的是能突破專有任務(wù)，達(dá)到一定的泛化性，再到未來具備更通用、跨領(lǐng)域的泛化性，這需要一定的發(fā)展過程。

他判斷，2006-2022年的深度學(xué)習(xí)或者AI 1.0時(shí)代，人工智能的發(fā)展路徑是首先在某項(xiàng)能力上超越人類，然后進(jìn)入到生產(chǎn)生活應(yīng)用，積累了越來越多的數(shù)據(jù)，再隨著算力、算法、數(shù)據(jù)達(dá)到一定程度，推動(dòng)大模型的產(chǎn)生，隨后，發(fā)現(xiàn)其具備了通用人工智能和跨領(lǐng)域的可能性?！癡LA以及真正意義上端到端的具身大模型，需要時(shí)間沉淀?！?/p>

AGI剛過起跑線

MCP、Agent成為人工智能領(lǐng)域最新話題，這是否意味著AI有了實(shí)質(zhì)性突破，以及AGI到底走到了哪一步？

王仲遠(yuǎn)認(rèn)為，大模型發(fā)展到一定程度，達(dá)到可用狀態(tài)之后，Agent是產(chǎn)業(yè)界可以開始發(fā)力的領(lǐng)域。

“基礎(chǔ)大模型達(dá)到可用狀態(tài)時(shí)，像水、電、操作系統(tǒng)一樣，意味著可以基于這個(gè)操作系統(tǒng)開發(fā)很多APP?，F(xiàn)在的Agent相當(dāng)于移動(dòng)互聯(lián)網(wǎng)的APP，目前手機(jī)上很多APP也是工作流，但是越來越強(qiáng)時(shí)就能擴(kuò)展能力?！彼赋?，現(xiàn)在大模型的思考能力和智能化程度已經(jīng)實(shí)現(xiàn)使得部分Agent做得很好，這是產(chǎn)業(yè)界特別擅長和優(yōu)勢(shì)所在，這是產(chǎn)業(yè)發(fā)展的趨勢(shì)。

王仲遠(yuǎn)表示，此前“百模大戰(zhàn)”討論的是基礎(chǔ)大模型的競(jìng)爭，但是基礎(chǔ)大模型一定會(huì)收斂，現(xiàn)在可以看到行業(yè)內(nèi)還剩下少數(shù)幾個(gè)玩家在堅(jiān)持基礎(chǔ)大模型，這在某種程度上不會(huì)造成資源浪費(fèi)。

將來有沒有可能出現(xiàn)新的“千模大戰(zhàn)”或者“萬模大戰(zhàn)”？王仲遠(yuǎn)并不排除這種可能性。他說，因?yàn)榛A(chǔ)大模型進(jìn)入產(chǎn)業(yè)，需要產(chǎn)業(yè)相關(guān)的數(shù)據(jù)衍生出垂類模型，但垂類模型并不是指垂類領(lǐng)域訓(xùn)練，而是基于好的基座模型+垂類數(shù)據(jù)，訓(xùn)練出好的產(chǎn)業(yè)模型。

“具身大模型的發(fā)展仍處于非常早期的階段，類似于GPT-3前的探索期?！蓖踔龠h(yuǎn)分析指出，當(dāng)前具身智能也面臨與早期AI大模型類似的挑戰(zhàn)。

比如，技術(shù)路線尚未形成共識(shí)：學(xué)界與產(chǎn)業(yè)界對(duì)核心技術(shù)路徑存在分歧，仿真數(shù)據(jù)、強(qiáng)化學(xué)習(xí)、大小腦融合架構(gòu)等方向仍在探索中，尚未形成統(tǒng)一方法論；又如產(chǎn)業(yè)落地尚需突破：盡管智源推出具身智能跨本體大小腦協(xié)作框架等成果，但離大規(guī)模商用仍有較長距離，需要解決“感知-決策-行動(dòng)”協(xié)同、多模態(tài)數(shù)據(jù)融合等基礎(chǔ)問題。

或許，當(dāng)機(jī)器人能真正理解“咖啡杯放桌沿會(huì)摔碎”時(shí)，才是物理AGI的里程碑。（21世紀(jì)經(jīng)濟(jì)報(bào)道 記者 孔海麗）