本報(bào)訊 （記者賈麗）近日，由海淀區(qū)人民政府與北京國(guó)有資本運(yùn)營(yíng)管理有限公司聯(lián)合主辦的2026中關(guān)村論壇年會(huì)“人工智能主題日”特色主題論壇“AI未來(lái)論壇：躍遷·投資·共生”在中關(guān)村國(guó)際創(chuàng)新中心成功舉辦。論壇匯聚全球頂級(jí)投資人、產(chǎn)業(yè)領(lǐng)袖與前沿創(chuàng)新者，圍繞人工智能從技術(shù)突破邁向產(chǎn)業(yè)價(jià)值的關(guān)鍵路徑展開(kāi)深入探討。

    在“前沿Tech Show”環(huán)節(jié)，北京生數(shù)科技有限公司（以下簡(jiǎn)稱(chēng)“生數(shù)科技”）創(chuàng)始人、清華大學(xué)人工智能研究院副院長(zhǎng)朱軍教授發(fā)表題為《通用世界模型：連接數(shù)字世界與物理世界的橋梁》的主題演講，系統(tǒng)闡述了生數(shù)科技在通用世界模型方向的戰(zhàn)略布局與技術(shù)路徑。

    通用世界模型戰(zhàn)略布局越發(fā)清晰

    在長(zhǎng)期的視頻大模型的技術(shù)積累上，生數(shù)科技逐步構(gòu)建起一條清晰的通用世界模型的戰(zhàn)略布局：以基座世界模型為核心底層，向上延展出貫通數(shù)字空間與物理空間的雙軌體系，形成面向通用智能的核心基礎(chǔ)架構(gòu)。

    在底層能力上，該基座世界模型基于全球首創(chuàng)的U-ViT架構(gòu)，積累視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等多模態(tài)信息，構(gòu)建對(duì)世界的統(tǒng)一認(rèn)知與建模能力，為上層應(yīng)用提供統(tǒng)一的智能底座。

    在數(shù)字空間，生數(shù)科技基于世界生成模型（WGM）打造視頻大模型產(chǎn)品Vidu。Vidu生成模型聚焦單時(shí)點(diǎn)模擬世界，賦能AI在數(shù)字世界的生產(chǎn)力。流式生成模型，聚焦多時(shí)點(diǎn)模擬世界，實(shí)現(xiàn)實(shí)時(shí)陪伴和交互。Vidu顯著提升了數(shù)字內(nèi)容的生產(chǎn)效率，最終實(shí)現(xiàn)數(shù)字世界的AGI。

    在物理空間，生數(shù)科技基于世界行動(dòng)模型（WAM）構(gòu)建統(tǒng)一世界模型產(chǎn)品Motus。Motus作為真實(shí)世界具身智能的“大腦”，致力于解決傳統(tǒng)具身智能鏈路割裂、數(shù)據(jù)稀缺、泛化能力弱等核心痛點(diǎn)，可實(shí)現(xiàn)真實(shí)世界下的零樣本泛化與跨本體適配，推動(dòng)機(jī)器人從“模塊化執(zhí)行”向“統(tǒng)一智能體”躍遷，最終實(shí)現(xiàn)物理世界的AGI。

    由此，生數(shù)科技構(gòu)建起貫通理解世界、生成世界與行動(dòng)于世界的完整技術(shù)閉環(huán)，使通用世界模型真正成為連接數(shù)字世界與物理世界的橋梁。

    通用世界模型正成為通向AGI的重要方向

    而當(dāng)前的AI系統(tǒng)，雖然在單點(diǎn)能力上取得了突破，但整體上仍然是“割裂”的。有的擅長(zhǎng)生成，有的擅長(zhǎng)理解，有的用于執(zhí)行，但很少有系統(tǒng)能夠統(tǒng)一完成這三件事。如果機(jī)器要真正具備智能，就必須具備類(lèi)似人類(lèi)的世界模型能力。

    在此基礎(chǔ)上，朱軍指出，通用世界模型正在成為通向AGI的重要方向。

    長(zhǎng)期以來(lái)，具身智能面臨“數(shù)據(jù)墻”：真實(shí)世界的軌跡數(shù)據(jù)成本高、規(guī)模小，難以支撐模型泛化。對(duì)此，朱軍提出一個(gè)關(guān)鍵判斷：視頻，是當(dāng)前最接近真實(shí)世界的數(shù)據(jù)形態(tài)。

    基于這一判斷，生數(shù)科技構(gòu)建了以視頻為核心的數(shù)據(jù)體系——從海量互聯(lián)網(wǎng)視頻，到第一視角操作視頻，再到機(jī)器人數(shù)據(jù)，形成一個(gè)可擴(kuò)展的數(shù)據(jù)金字塔。在這一體系下，即使缺乏大量標(biāo)注數(shù)據(jù)，模型依然能夠?qū)W習(xí)到有效的行動(dòng)能力。

    業(yè)內(nèi)人士認(rèn)為，在數(shù)據(jù)利用與規(guī)模擴(kuò)展方面，Motus展現(xiàn)出顯著優(yōu)勢(shì)。在數(shù)據(jù)規(guī)模擴(kuò)展實(shí)驗(yàn)中，相較國(guó)際領(lǐng)先的VLA模型Pi0.5，Motus能夠從更廣泛的異構(gòu)數(shù)據(jù)中學(xué)習(xí)，并有效融合預(yù)訓(xùn)練基座模型中的多模態(tài)先驗(yàn)?zāi)芰?。在長(zhǎng)程、多步驟的復(fù)雜真機(jī)任務(wù)中，Motus進(jìn)一步呈現(xiàn)出接近人類(lèi)水平的決策邏輯與執(zhí)行穩(wěn)定性。

    面向未來(lái)，生數(shù)科技將繼續(xù)堅(jiān)持以原創(chuàng)技術(shù)為底座，圍繞通用世界模型持續(xù)推進(jìn)底層架構(gòu)、數(shù)據(jù)體系與應(yīng)用場(chǎng)景的協(xié)同突破。

    從視頻模型到世界模型，從數(shù)字空間到物理空間，生數(shù)科技正在探索一條更完整的通用智能路徑。隨著相關(guān)技術(shù)持續(xù)演進(jìn)，通用世界模型也將加快走向真實(shí)產(chǎn)業(yè)場(chǎng)景，釋放更大的技術(shù)價(jià)值與應(yīng)用潛力。

（編輯 張偉）