2026 年被许多人称为世界模型的元年，大语言模型、多模态模型与具身智能，这三条曾各自狂奔的技术路线正以前所未有的速度交汇。然而，一个 IQ 逼近 140 的顶级大模型，依然无法可靠地完成一个简单的家务操作，这背后的落差恰恰是 Physical AI 必须直面的命题，即高智商不等于「全能」，AI 要改变世界，必须先学会与世界交互。
2026 年被许多人称为世界模型的元年，大语言模型、多模态模型与具身智能，这三条曾各自狂奔的技术路线正以前所未有的速度交汇。然而，一个 IQ 逼近 140 的顶级大模型，依然无法可靠地完成一个简单的家务操作，这背后的落差恰恰是 Physical AI 必须直面的命题，即高智商不等于「全能」，AI 要改变世界，必须先学会与世界交互。
在近日举行的世界机器人大会物理 AI 引领者论坛上，智象未来（HiDream.ai）创始人梅涛提出了一条清晰的破局路径——原生全模态世界模型，它不是将文本、图像、视频、操控指令简单拼接，而是从底层架构上统一多种模态，让模型同时具备对世界的完整表达、物理规律的推演能力，以及动态交互的生成能力。这种「统一」，正是从「模拟世界」走向「交互世界」的关键一跃。
原生全模态：统一架构与核心突破
智象未来自研的 UiT（Unified Transformer）架构正是这一理念的技术载体。基于该架构推出的 HiDream-O1-World 模型，首次参评便在权威榜单 WBench 的 Navi 分榜中登顶。该模型支持文本、图像及交互式操控等多模态输入，并凝练出漫游、编辑、交互三项核心能力。无论是高度还原的真实空间，还是二次元卡通、3A 游戏渲染等风格化世界，它都能在长时程交互中保持时空一致性与物理合理性，简单说，它「记住」了探索过的场景结构，也能让后续动作符合直觉上的物理常识。
产业落地：从数字娱乐到具身仿真
这一突破，迅速打开了多个产业场景的想象空间。在 AI 互动影游中，用户不再是被动观看者，而是可以主动影响叙事走向；在具身智能仿真中，模型可搭建高保真虚拟训练底座，让机器人在「元宇宙」里先摔打千百次，再到真实环境里精准执行；在 3D 场景生成中，创作者只需输入少量描述，即可获得结构完整的立体空间，创意到成品的周期大幅缩短。而智象未来的野心不止于此，他们正围绕世界模型的定义，逐步完善覆盖图像、视频、交互式世界模型的完整矩阵，让「统一」成为贯穿所有产品的基因。
认知中枢：数据-模型-智能体-具身闭环
梅涛强调，世界模型不能孤立存在，他将 Physical AI 的能力底座概括为一个闭环飞轮：数据—世界模型—智能体—具身本体—反馈。最底层是三类数据，互联网的先验数据、仿真的物理试错数据、真实交互的闭环数据，三者缺一不可。中间层是世界模型，它作为认知中枢，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做决策，再由物理本体执行动作。真实环境的反馈又回流为新的训练数据，驱动飞轮持续加速。
在这个闭环中，世界模型的角色尤为关键，没有高质量的世界模型，仿真就难以逼近真实物理规律，具身智能的数据飞轮也转不起来。梅涛以智象未来与诺亦腾机器人的合作为例：利用原生全模态模型对真实采集的人体动作数据进行增强，可以生成大量符合物理约束的视频，同一动作在不同背景、肤色、光照下都保持自然一致。这种能力大幅降低了真实数据采集的成本，让机器人先在仿真中「预习」，再到现实中「实战」，训练效率提升显著。
从长远来看，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、行动与反馈融为一体，赋予 AI 在物理世界中持续学习与进化的能力。这不再是静态的「模拟」，而是动态的「交互」，AI 不再只是观察者或生成者，而是参与者。智象未来的实践表明，当统一架构同时拥抱文本、图像、操控指令和物理规律时，世界模型便从「数字玩具」蜕变为「物理基石」。它既服务数字智能，让影游、设计、仿真更生动；也加速具身智能，让机器人在真实环境中的训练与执行更可靠、更经济。
梅涛表示，智象未来将持续深耕原生全模态路线，以技术创新与生态协同双轮驱动，助力 Physical AI 从技术探索迈入规模化、商业化的全新阶段。从模拟到理解，从推演到交互，这条路的终点，或许正是 AI 真正「活」在物理世界的那一天。
来源：互联网
