文丨胡世鑫 饶富英
编辑丨叶锦言
出品丨深网·腾讯新闻小满工作室
2026年，AI行业对“落地”的讨论明显变得更加具体。过去被反复比较的是模型参数、榜单排名和推理能力，如今，更多问题转向应用现场：AI Coding能否进入真实研发流程，智能体能否从聊天窗口走向执行工具，Token成本能否支撑大规模使用，具身智能和世界模型又能否把AI从数字世界带入物理世界。
智源研究院院长王仲远给出的回答相对克制。在他看来，智能体会先在数字世界落地，但Token还没有便宜到像纸和笔一样；世界模型仍处在早期，视频生成不等于真正的世界模型，真正关键的是预测“下一个物理状态”；具身智能不用推倒重来，但现有路线未来会被新的模型替代；某种形式的AGI可能很快到来，但真正理解真实世界的AGI还没有那么近。
在第八届北京智源大会期间，智源研究院也展示了几条与上述判断相关的技术进展，包括悟界·Emu3.5、悟界·Brainμ1.0、悟界·OpenComplex2.5，以及面向物理世界、仍处研发早期的悟界·Physis-v0.1；智能体方向则涉及心脏辅助诊断、自主科研、听会分身和生物安全风险发现等场景。
围绕“AI从数字世界走向物理世界”这一判断，智源近期也在世界模型方向加码。据悉，22岁北京大学本科生、逆矩阵创始人、ACL最佳论文得主陈博远出任智源行为世界模型创新中心负责人。该中心聚焦下一代通用世界基座模型的前沿研究，目标是构建面向真实物理世界的通用基座模型。
相比具体产品本身，更值得关注的是这些技术背后的共同问题：当AI从数字世界继续向物理世界推进，下一块真正的基座模型会是什么？王仲远围绕世界模型、具身智能、智能体、Token成本等问题进行交流，以下为经整理后的对话内容：
世界模型的核心是“下一个物理状态预测”
Q：智源的研究重点经历了从大语言模型、多模态模型到世界模型的转向。你怎么看大语言模型当前所处的发展阶段？
王仲远：大语言模型依然还是在非常快速成长的过程中，我们早年做的“悟道”系列就是大语言模型。智源一直秉持的定位，是做高校做不了、企业不愿意做的事情。大语言模型技术路线相对成熟以后，就可以交给企业继续沿着成熟路线提升性能。
两年前，我们把重点放在多模态上，现在则把重点放在世界模型。我们认为，大语言模型仍处在持续发展阶段，国产大模型性能也在持续提升。虽然客观来看，跟全球最顶尖的模型还是有一定距离，但我对此充满信心。国产大模型已经向全世界证明，在全球范围内，不管是流量、使用，还是口碑和认可度，都已经达到很高水平。
接下来更长时间里，AI Coding和大语言模型依然会有继续提升的空间和潜力。我们也乐见国内领军企业继续发力，让国产大模型成为全球最顶尖的大模型。
Q：为什么现在智源会把重点进一步放到世界模型上？现阶段世界模型最需要解决的核心问题是？
王仲远：问题已经比较清楚，但尚未收敛。以具身智能为例，机器人之所以还不能像人类一样灵活行走、执行多样任务，根本原因在于缺乏对世界常识和物理规律的理解。它们可以在操作台或流水线上完成特定任务，但仍缺乏泛化性和通用性。
对当前物理世界人工智能而言，感知、理解、交互到决策的完整能力链条仍未真正打通，虽然部分模型已展现出其中一些能力。如今这一方向一方面非常火热，另一方面概念也较为混乱，因此我们希望业界逐步形成共识，避免“世界模型”等概念被滥用。
Q：现在不少视频生成模型也会被称为世界模型。你怎么看视频数据在世界模型训练中的作用？它距离真正推动世界模型发展，还有多远？
王仲远：视频数据仍是少数能够海量获取、同时包含时间、空间、物理因果和意图等关键要素的数据。具体到具身智能，过去两年行业主要采用VLA（Vision-Language-Action）技术，而我判断今年World Action Model会成为热点，它通过视频生成类世界模型与动作协同训练，来解决部分具身智能场景问题。
但无论是VLA还是World Action Model，都还没有触及具身智能最核心的能力，即泛化能力，以及对真实时间、空间、物理状态、物理规律和物理常识的理解、规划与决策能力。
智源研究院也提出了对世界模型的四类划分（以语言为中心、以像素为中心、以三维结构为中心，以视觉表征为中心），并进一步认为，下一代世界模型必须是全模态的，以预测下一物理状态为核心，能够理解真实物理规律和常识，并具备主动交互能力。
Q：也就是说，视频数据虽然重要，但仍然不完整。比如大量视频平台上的数据，并不是对因果关系的全方位展示，也缺乏触觉、力觉等数据。这些缺口要怎么补？
王仲远：这是一个很好的问题。视频和传统视觉数据噪声较多，如何提炼其中最核心的信息，是当前具身智能和未来世界模型训练需要解决的关键问题。
事实上，悟界·Physis仍在依靠大量视频数据学习所需的物理知识。我们也必须看到，当前物理世界的真实数据依然严重不足，而且高度分散、存在数据孤岛，尚未形成像数字世界互联网那样的数据环境。
因此，当前有两条路径：一是等待物理世界数据逐步变得充分、海量并开放共享；二是先从视频和数字世界中学习基础能力，再迁移到物理世界，以增强模型的泛化能力。
Q：你提到，智源可能找到多模态Scaling的新范式。你判断Scaling仍然有效的依据是什么？
王仲远：第一，Emu3.5相比Emu3，训练数据提升约50倍、参数规模提升约4倍，模型能力和性能都有显著增强。
第二，它采用自回归架构，能够复用现有计算基础设施以及大语言模型的训练、强化学习和后训练方法，这意味着它有望沿着大语言模型的Scaling路径持续演进。
第三，Emu3.5目前参数量仍只有约320亿，使用的互联网公开视频数据不到1%，说明后续仍有很大提升空间。与此同时，进入物理世界后，还需要进一步探索包含时间、空间、物理规律和物理常识的新Scaling方式。
智能体、Token与AI Native：数字世界会先被重构
Q：关于AI落地，你认为今年哪些方向会率先看到进展？落地节奏会有什么不同？
王仲远：未来一年，我们会看到越来越多智能体落地，帮助解决实际问题。智源研究院今天也有多款结合科研布局研发的智能体，如心脏辅助诊断智能体、自主科研智能体和大会听会智能体，它们都将显著提升效率。比如在医疗领域，顶尖诊断能力有望下沉到基层医院，推动医疗普惠；自主科研智能体也能提升科研效率、加速科研发现，这将是未来一到三年的重要趋势。
相比之下，物理世界的智能体发展会慢一些，因为我们仍缺乏一个能够充分理解时间、空间、物理规律，并具备多模态理解、推理、规划和决策能力的世界基座模型。
Q：也就是说，智能体会先在数字世界落地。但从今年很多产品的使用体验来看，成本仍然是一个很现实的问题。未来一两年，Token成本会出现明显下降吗？
王仲远：今天王坚博士今年在智源大会开幕式播客中提到，如果未来Token能像纸和笔一样便宜、便利，人工智能的发展可能会迎来新一轮加速。
长期来看，随着工业化、规模化和工程创新推进，Token 和算力成本一定会持续下降，这也符合技术从高成本走向普惠的一般规律。虽然今年未必就能达到最理想状态，但成本的持续降低，必将进一步推动智能体等技术和产品的落地与普及。
Q：当智能体真正进入工作流之后，很多公司也开始讨论AI Native组织，甚至One Person Company。你怎么看这种变化？
王仲远：AI Native目前更像一种理念，意味着人们已经意识到，人工智能和大模型正在开启一个全新时代，甚至可能带来一场新的工业革命。
在我看来，AI Native组织的核心，是把AI作为基础设施，重塑组织形态，以释放更大的产能、效率和新质生产力。但这一概念仍很新，大家还在探索。
与此同时，它也带来一系列现实问题，例如是否会导致组织空心化、走向One Person Company，数字员工一旦失误又该由谁负责。大家都看到了这一趋势，也都在摸索，并期待出现真正可复制、可推广的成功案例。
数字世界的AGI可能很快到来
Q：行业里关于AGI何时到来的判断越来越多。你怎么定义AGI？它什么时候会到来？
王仲远：按照传统图灵测试的定义，如今很多 AI 实际上已经达到这一水平。如果按大众理解的AGI，即具备类似人类的通用问题解决能力，那么数字世界的AGI很可能很快到来。
在我过去的研究和产品实践中，我原本认为AGI至少还要四五十年，但大模型技术的出现，让我意识到这个时间可能已缩短到四五年。对于AGI何时到来，海外不少专家预测，今年或明年就可能出现某种形式的AGI，我认同这一判断。
不过，更广义的AGI，比如真正理解现实世界、具备常识并能完成与物理世界交互的能力，可能仍需较长时间。当然，随着人工智能加速发展，这个时间也可能进一步缩短。
Q：也有学者提出，未来机器智能可能会深度改变人类社会，甚至到2050年之后承担大量原本由人完成的工作。你怎么看这种判断？
王仲远：这是一个学术观点，也算是一家之言。更多体现了人工智能正在加速演进，并可能走向人机共存的未来形态。但 2050 年离现在仍有距离，在人工智能持续加速发展的背景下，预测20年后的情况依然很难。
王坚博士也提到，人类一直善于驾驭新技术。就像当年人类学会用火，虽曾担心其风险，但最终还是让火成为普遍工具。我们也期待，未来 AI 能像水、电、火一样，成为日常可用的基础设施。
Q：如果AGI和智能体能力都在加速，AI安全议题是否也发生变化？今年你觉得最需要警惕的风险是？
王仲远：人工智能的安全风险始终存在，只是近两年的关注点已从超级人工智能等长期担忧，转向智能体发展带来的现实风险。随着智能体能力增强，它们正逐步绕过既有安全机制。
我们在今年智源大会分享的一款风险发现智能体，就曾绕过现有筛查机制，识别并合成有害蛋白相关基因，这一风险已在11款大语言模型和3个智能体上复现。
结合Anthropic提到的最新模型能力和递归自进化现象，可以看到，大模型已经能够发现网络安全漏洞，并可能对生物安全等领域产生直接影响。因此，AI安全不仅是技术问题，更需要技术、产业、政策及各领域专家共同应对。