科技日報記者 馬愛平

3月29日，由北京市海淀區人民政府與北京國有資本運營管理有限公司聯合主辦的2026中關村論壇年會“人工智能主題日”特色主題論壇“AI未來論壇：躍遷·投資·共生”在中關村國際創新中心舉辦。

在“前沿Tech Show”環節，生數科技創始人、清華大學人工智能研究院副院長朱軍教授發表題為《通用世界模型：連接數字世界與物理世界的橋梁》的主題演講。

長期以來，具身智能面臨“數據墻”——真實世界的軌跡數據成本高、規模小，難以支撐模型泛化。對此，朱軍表示，視頻，是當前最接近真實世界的數據形態。

“相比語言，視頻天然包含時間信息、空間結構和物理交互過程。這使其成為連接數字世界與物理世界的關鍵載體?！敝燔娬f，“基于這一判斷，我們構建了以視頻為核心的數據體系——從海量互聯網視頻，到第一視角操作視頻，再到機器人數據，形成一個可擴展的數據金字塔。在這一體系下，即使缺乏大量標注數據，模型依然能夠學習到有效的行動能力?！?/p>

朱軍介紹，在長期的視頻大模型的技術積累上，團隊逐步構建起通用世界模型布局，即以基座世界模型為核心底層，向上延展出貫通數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架構。

“在底層能力上，該基座世界模型通過積累視覺、聽覺、觸覺等多模態信息，構建對世界的統一認知與建模能力，為上層應用提供統一的智能底座?！敝燔娬f，“在數字空間，我們基于世界生成模型打造視頻大模型Vidu。Vidu能夠顯著提升數字內容的生產效率，最終實現數字世界的通用人工智能。在物理空間，我們基于世界行動模型構建統一世界模型產品Motus。Motus作為真實世界具身智能的‘大腦’，可實現真實世界下的零樣本泛化與跨本體適配，推動機器人從‘模塊化執行’向‘統一智能體’躍遷，最終實現物理世界的通用人工智能。”

“通過構建起貫通理解世界、生成世界與行動于世界的完整技術閉環，可以使通用世界模型真正成為連接數字世界與物理世界的橋梁。”朱軍說，隨著相關技術持續演進，通用世界模型也將加快走向真實產業場景，釋放更大的技術價值與應用潛力。

（受訪者供圖）