2025年智源大会上，人形机器人从吉祥物转变为焦点，吸引了众多关注，王兴兴成为新的焦点人物。

　　这一年，AI技术取得了迅猛进展，迭代周期缩短至3个月以内，并且不再局限于大语言模型，而是转化为人形机器人训练、落地的强大辅助工具。

　　“人工智能正在从数字世界加速迈向物理世界。”智源研究院院长王仲远在接受记者采访时指出：“人工智能应致力于解决实际问题，帮助人类摆脱繁琐、重复及简单劳动。”

　　AI技术路线转向世界模型

　　“大模型技术远未达发展巅峰，过去的‘百模大战’主要聚焦于大语言模型，而大语言模型受限于互联网数据，基础模型性能虽有提升，但速度放缓。”王仲远认为，大语言模型性能提升瓶颈的解法包括强化学习优化推理、合成高质量数据替代人工标注、激活海量未充分利用的多模态数据。

　　智源研究院预测，大模型的技术路线将从大语言模型向多模态，尤其是原生多模态世界模型发展。原生多模态世界模型旨在让人工智能感知和理解物理世界，促进与物理世界的交互。在宏观层面，大模型与硬件结合，通过具身智能的发展解决生产生活中的实际问题。

　　“这一切构成的世界模型，是实现物理AGI的关键路径。”王仲远表示，智源研究院的布局围绕这一技术趋势展开。

　　在2025北京智源大会上，智源研究院推出了“悟界”系列大模型，包括原生多模态世界模型Emu3等。

　　王仲远以咖啡杯为例解释“世界模型”内核：“现有模型能描述‘白色带文字的杯子在桌上’，但无法预测‘杯沿悬空可能坠落’——这需要时空预测能力。”Emu3的核心突破在于理解物理因果关系。

　　具身智能落地路径引争议

　　谈及具身智能的技术路线之争，王仲远表现出务实态度。

　　对于人形是否为具身智能的最优解，王仲远肯定人形机器人的长期价值：“社会基础设施为人类设计，双足构型更易融入，且人类行为数据利于模型训练。”

　　但短期内，四足、轮式等形态将共存，“人形机器人成熟周期较长，稳定性仍需突破。”他说道。

　　面对数据悖论，王仲远提出，可通过互联网视频数据训练基础能力，再以少量真实数据强化学习微调。

　　工厂场景为何优先？王仲远解释：“封闭环境可规避安全风险，且重复枯燥任务存在刚需。”他举例物流分拣、激光刻印等场景，“这些人类不愿做的工作，正是具身智能的突破口”。

　　王仲远表示，当前具身智能数据量不足以支持大小脑融合的模型训练，VLA模型泛化性不足，需突破专有任务，达到泛化性。

　　他判断，深度学习或AI 1.0时代，人工智能首先在某项能力上超越人类，进入生产生活应用，积累数据，推动大模型产生，随后发现其具备通用人工智能和跨领域可能性。

　　AGI处于起步阶段

　　MCP、Agent成为AI领域新话题，这是否意味着AI取得实质性突破？AGI发展至何阶段？

　　王仲远认为，大模型达到可用状态后，Agent是产业界可发力的领域。

　　他指出，基础大模型达到可用状态时，像水、电、操作系统一样，可基于其开发APP。现在的Agent相当于移动互联网的APP，随着能力增强，可扩展功能。

　　王仲远表示，“百模大战”讨论基础大模型竞争，但基础大模型将收敛，少数玩家坚持，避免资源浪费。

　　未来是否出现“千模大战”或“万模大战”？王仲远不排除这种可能。基础大模型进入产业，需产业数据衍生垂类模型。

　　“具身大模型发展仍处于早期阶段。”王仲远分析，当前具身智能面临与早期AI大模型类似的挑战，如技术路线未达成共识、产业落地需突破等。

　　或许，当机器人真正理解“咖啡杯放桌沿会摔碎”时，物理AGI才迎来里程碑。

（文章来源：21世纪经济报道）