http://m.henanjusheng.com 2026-06-18 16:09 來源:中國電子報
從數(shù)字世界走向物理世界,人工智能正站在一個新的范式變革的關(guān)口。在近日舉辦的2026北京智源大會期間,智源研究院院長王仲遠(yuǎn)接受《中國電子報》等媒體采訪,就具身智能、世界模型及AI安全等前沿話題分享了深度見解。王仲遠(yuǎn)指出,當(dāng)前具身智能在硬件層面取得了顯著進(jìn)步,但通用化與泛化能力仍是制約其大規(guī)模落地的核心瓶頸,而世界模型正是打開這一困局的關(guān)鍵鑰匙。
具身智能硬件突破顯著,泛化能力嚴(yán)重不足
王仲遠(yuǎn)坦言,過去一年多來,具身智能領(lǐng)域在硬件本體層面進(jìn)步顯著。“機(jī)器人可以進(jìn)行非常復(fù)雜的表演,能夠跑馬拉松,而且已經(jīng)超過了人類的馬拉松冠軍。”-在技術(shù)落地層面,越來越多的機(jī)器人開始進(jìn)入工廠、物流等實(shí)際場景,解決具體問題并形成數(shù)據(jù)閉環(huán)。
然而,距離真正的通用具身智能仍有相當(dāng)距離。“當(dāng)前具身智能的泛化能力依然嚴(yán)重不足。”王仲遠(yuǎn)直言,“一旦將一個任務(wù)遷移到另外一個任務(wù),它的失敗概率依然很高。”相比之下,人類具備極強(qiáng)的通用性和泛化能力,這正是當(dāng)下具身智能必須突破和解決的核心問題。
在王仲遠(yuǎn)看來,具身智能的突破需要依賴世界模型這一關(guān)鍵基座。“世界模型與具身智能的關(guān)系,本質(zhì)上是‘大腦’與‘身體’的關(guān)系。”他指出,大模型在經(jīng)歷了大語言、視覺模型、多模態(tài)的探索之后,需要從虛擬走向真實(shí)世界的下一階段。
世界模型的核心本質(zhì),是實(shí)現(xiàn)對物理世界下一狀態(tài)的預(yù)測。“面向物理世界的世界模型以真實(shí)場景的時空規(guī)律、物理常識與因果邏輯為建模核心,能夠感知、推演環(huán)境變化,支撐AI完成與實(shí)體世界的主動交互。”但王仲遠(yuǎn)也坦承,當(dāng)前模型在因果推理、復(fù)雜動態(tài)系統(tǒng)預(yù)判這些核心能力上存在瓶頸,對物理場景的推演結(jié)果尚達(dá)不到實(shí)用標(biāo)準(zhǔn)。
在技術(shù)路線上,智源研究院對現(xiàn)有世界模型進(jìn)行了系統(tǒng)性梳理,將其分為四大類:第一類是以語言為中心的世界模型,包括VLM(視覺語言大模型)、VLA(視覺-語言-動作模型)等;第二類是以像素為中心的視頻生成模型;第三類是以三維結(jié)構(gòu)為中心的空間模型;第四類是以視覺表征為中心的模型。王仲遠(yuǎn)強(qiáng)調(diào),未來不排除模型會走向大一統(tǒng)的方向。
VLA不必推倒重來,但終將被新一代模型替代
針對當(dāng)前基于VLA的具身智能技術(shù)路線是否需要“推倒重來”的疑問,王仲遠(yuǎn)的回答十分明確:“不用推倒重來,但它一定會在將來的某個時間點(diǎn)被新的模型給替代。”
王仲遠(yuǎn)指出,現(xiàn)有的VLA類模型已經(jīng)能夠在某些具體場景中發(fā)揮作用,在某些具體特定的場景中已經(jīng)能夠達(dá)到類人的水平。他以2012年深度學(xué)習(xí)的興起作比——當(dāng)時大模型尚未出現(xiàn),但深度學(xué)習(xí)已經(jīng)能夠針對特定問題、特定場景訓(xùn)練特定模型,并在該場景中工作得比人類更好,這就足以推動產(chǎn)業(yè)發(fā)展。同樣,阿爾法Go能戰(zhàn)勝圍棋世界冠軍卻無法解決其他領(lǐng)域問題,但并不妨礙其產(chǎn)生廣泛的應(yīng)用價值。
因此,關(guān)于具身智能,他也持類似觀點(diǎn):現(xiàn)在的技術(shù)雖然其泛化性面向真實(shí)的物理世界依然不夠,但是不阻礙現(xiàn)在具身智能技術(shù)和產(chǎn)業(yè)的發(fā)展。
對于下一代世界模型應(yīng)具備的特征,王仲遠(yuǎn)提出了明確方向:必須是全模態(tài)的,必須以下一個物理狀態(tài)預(yù)測為核心,必須能夠理解真實(shí)的物理規(guī)律和物理常識,同時又需要具備主動交互的能力。
“我們相信,如果真的誕生這樣的一個下一代世界基座模型,它才能夠真正去推動具身智能,解決我們現(xiàn)在實(shí)際落地中遇到的各種困難,尤其是泛化性和面向真實(shí)場景的推理能力。”
談及人工智能,王仲遠(yuǎn)觀察到,AI在數(shù)字世界和物理世界的發(fā)展速度正在分化。
在數(shù)字世界里面,不管是更強(qiáng)的基座模型,還是AI Coding,都已經(jīng)展現(xiàn)出了極強(qiáng)的能力,甚至很多人認(rèn)為呈指數(shù)級的能力躍升。整個數(shù)字世界都有可能被新一代人工智能重構(gòu)。
而在物理世界,智能體的發(fā)展則相對緩慢。王仲遠(yuǎn)指出,這是因為我們還缺乏一個世界基座模型,缺乏一個對于時間空間、物理規(guī)律,對于多模態(tài)乃至全模態(tài)有很好的理解推理、規(guī)劃決策的基座模型。
王仲遠(yuǎn)預(yù)計,在未來一年到兩三年內(nèi),將看到越來越多數(shù)字世界中智能體的落地,幫助人類解決很多問題。例如,智源研究院已研發(fā)了心臟輔助診斷智能體、自主科研智能體等多款產(chǎn)品,用于提升醫(yī)療診斷水平下沉和科研效率。
在AI安全方面,王仲遠(yuǎn)指出行業(yè)關(guān)注點(diǎn)正在發(fā)生變化。“行業(yè)在前兩年更多擔(dān)憂超級人工智能的遠(yuǎn)期風(fēng)險。如今,隨著AI智能體、大模型自進(jìn)化能力發(fā)展,已出現(xiàn)大量現(xiàn)實(shí)可能復(fù)現(xiàn)的安全威脅。”
王仲遠(yuǎn)呼吁,應(yīng)對AI安全風(fēng)險,不僅僅是技術(shù),實(shí)際上需要技術(shù)、產(chǎn)業(yè)、政策以及各領(lǐng)域的專家,大家來共同攜手,共同努力來應(yīng)對。