WRC 2026|原生全模态世界模型:从模拟世界到交互世界
8月19日,世界机器人大会(WRC 2026)期间,由跨维智能主办、《财经》杂志协办的“物理AI引领者论坛暨2026《财经》中国AI 100榜单启动仪式”在北京举行。论坛以“物理AI进行时”为主题,汇聚具身智能领域的顶尖学者、企业创始人和一线技术负责人,共同探讨通用物理智能的技术演进与产业路径。
作为原生全模态世界模型代表企业,智象未来(HiDream.ai)创始人兼CEO梅涛发表了题为《原生全模态世界模型:从“模拟世界”到“交互世界”》的主旨演讲。他从AI大模型的技术演进趋势出发,系统阐述了大模型从多模态走向原生全模态、从模拟世界走向交互世界的核心逻辑,为Physical AI的底层能力建设提供了新的技术视角与路径思考。
01 高IQ不等于全能:AI从“理解世界”到“改变世界”
梅涛博士在演讲中指出,过去几年AI大模型的发展可谓一日千里。从大语言模型到多模态模型再到具身智能,三条曾经独立演进的技术路线正在加速走向融合,2026年被很多人称为“世界模型的元年”。

他分享了一组数据:今年年初,顶级大模型的IQ水平约为130,相当于中科大少年班天才的水平;而到如今,最新大模型的IQ已经接近140。但梅涛特别强调了一个关键观点——“高IQ不代表全能”。就像孩子成绩好不代表综合能力强一样,一个在考试中表现优异的模型,不等于能在真实物理世界中长期、稳定、可靠地完成任务。这正是Physical AI之所以重要的根本原因。
大语言模型强在对世界的理解、对知识的压缩和推理;多模态模型强在对世界的生成与预测;具身交互模型则强在与世界的交互。而真正的世界模型,需要同时具备对世界状态的完整表达、对物理规律和因果关系的推演,以及对世界的重构能力。从文本、多模态到具身,过去各自独立演进的三条路线,今天正在加速走向融合。

02.从DiT到UiT:原生全模态架构突破行业上限
基于自研UiT(Unified Transformer)架构,智象未来近日正式发布了原生全模态交互式世界模型HiDream-O1-World。该模型首次参评即在权威榜单WBench中登顶Navi分榜榜首。
HiDream-O1-World支持文本、图像及交互式操控等多模态输入,具备漫游、编辑、交互三项核心能力,同时支持多种主体与风格化场景构建,可高度还原真实空间,也可生成二次元卡通、3A游戏渲染等风格化世界。
从技术底层来看,HiDream-O1-World的核心突破在于长时程的时空一致性与物理一致性,使模型在长时序交互中能够“记住”已探索的场景结构,在复杂交互中保持较高的物理合理性。
HiDream-O1-World正在打开全新的产业应用空间:AI互动影游中,用户成为叙事的主动参与者;具身智能仿真中,模型可搭建高保真虚拟训练底座;3D场景生成中,创作者可高效生成结构完整的3D空间,大幅缩短创意到成品的迭代路径。
以此为起点,智象未来正围绕世界模型的定义持续拓展边界,逐步完善覆盖图像模型、视频模型及交互式世界模型等方向的模型矩阵。
03.数据·模型·智能体·具身:连接物理世界的闭环
谈到具身智能的能力底座,梅涛博士将关键关系概括为:“世界模型和具身智能的发展,需要把数据、世界模型、智能体和具身本体连接起来。”其中,数据构建认知,世界模型负责理解世界状态、推演物理规律,智能体基于预测结果进行决策和规划,具身本体完成真实执行,而真实环境反馈又回流成为新的训练数据。由此形成“数据—认知—行动—反馈”的闭环飞轮。梅涛博士表示,世界模型正是这一飞轮中的认知中枢;没有高质量世界模型,仿真难以逼近真实物理,具身智能的数据飞轮也难以真正转动起来。
最底层是数据底座,包括“互联网的先验数据、仿真的物理试错数据、行动闭环的真实交互数据”,三类数据缺一不可——真实环境的行动反馈,又会回流成为新的训练数据,驱动飞轮持续加速。以互联网先验数据为例,智象未来已积累近千万小时时长的视频数据。中间层是世界模型,作为具身智能的内核,推演世界规律、回答“世界是什么”和“接下来会发生什么”。最上层是智能体与具身系统,基于世界模型的预测结果做自主决策,并由具身本体执行物理动作,完成从认知到行动的完整闭环。
梅涛博士特别强调了仿真数据在Physical AI中的价值。他以智象未来与诺亦腾机器人的合作为例:利用原生全模态大模型对真实采集的人体动作数据进行增强处理,可以生成大量符合物理约束的视频,即同一动作在不同背景、不同场景、不同肤色下均保持一致。这种数据增强能力可以大幅降低真实数据采集的成本和压力,让机器人先在仿真环境中学习,再到真实环境中操练。
这些实践的背后,是智象对未来AI演进方向的一贯判断:大模型让AI理解世界,智能体与具身系统让AI行动于世界,而原生全模态世界模型则将认知、行动与反馈连为一体,让AI真正具备在物理世界中持续学习与进化的能力。
从模拟世界到理解世界,从推演世界到交互世界,智象未来将持续深耕原生全模态世界模型,以技术创新与生态协同双轮驱动,既服务数字智能,也加速具身智能在真实物理环境中的训练与执行落地,助力Physical AI从技术探索迈入规模化、商业化的全新发展时代。
本文由智象未来提供,量子位获授权转载,观点归原作者所有。
版权所有,未经授权不得以任何形式转载及使用,违者必究。
Related Articles
Binding of Isaac developer removes AI music from Repentance Plus
Terrence O'Brien is the Verge’s weekend editor. He’s covered the tech industry for over 18 years and knows a thing or two about synths.The Binding of Isaac: Repentance Plus has spent the last few days getting...
The vibe-coding revolution is coming to all the gadgets
This is The Stepback, a weekly newsletter breaking down one essential story from the tech world. For more on the vibe-hacking of everything, follow David Pierce. The Stepback arrives in our subscribers’...
Nature:糖尿病大鼠成功恢复正常血糖!用电刺激迷走神经控糖
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-11-22 ...
A社数学家用Claude又证明另一千禧难题,逼出一份写了12年的940页纯人类手稿
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2026-11-22 ...