智源研究院推動(dòng)人工智能、物理世界和生命科學(xué)“三體互動(dòng)”

2026年6月12日，第八屆“北京智源大會(huì)”在中關(guān)村國際創(chuàng)新中心開幕。

北京智源大會(huì)是智源研究院主辦的“AI內(nèi)行學(xué)術(shù)盛會(huì)”，以“技術(shù)前沿、國際視野、青年人才”為特色，匯聚海內(nèi)外研究者分享研究成果、探尋前沿知識(shí)、交流實(shí)踐經(jīng)驗(yàn)。本屆大會(huì)，現(xiàn)代數(shù)字安全體系奠基者Whitfield Diffie線下參會(huì)，聚焦Agent時(shí)代的安全與可信挑戰(zhàn)；強(qiáng)化學(xué)習(xí)奠基人Andrew Barto追問“交互驅(qū)動(dòng)智能”對(duì)于下一代AI系統(tǒng)的意義。30余位30歲以下青年科學(xué)家，40余位AI企業(yè)CEO、創(chuàng)始人與首席科學(xué)家，200余位頂尖專家學(xué)者將齊聚北京，中國AI產(chǎn)業(yè)世界模型與Agent領(lǐng)域最具代表性的創(chuàng)新力量首次集中同臺(tái)。20余家全球頂尖科技企業(yè)及高校科研機(jī)構(gòu)，包括Meta、英偉達(dá)、哈佛、MIT等，將與阿里、騰訊、小米、生數(shù)科技、面壁智能、清華、北大、人大等中國AI行業(yè)最核心的創(chuàng)新力量同場(chǎng)交流。同時(shí)，大會(huì)還匯聚數(shù)百位全球AI領(lǐng)域?qū)W術(shù)中堅(jiān)力量，一同圍繞世界模型、通用智能體、具身智能、AI安全、AI Native教育、Token經(jīng)濟(jì)與OPC、智能計(jì)算底層架構(gòu)等前沿方向展開精彩演講和前瞻性對(duì)話。

開幕式由智源研究院理事長黃鐵軍主持。

智源研究院院長王仲遠(yuǎn)做2026年研究進(jìn)展報(bào)告，發(fā)布智源研究院在基座大模型、智能體、基礎(chǔ)軟硬件生態(tài)等前沿技術(shù)領(lǐng)域的探索成果和開源生態(tài)建設(shè)的最新動(dòng)態(tài)。

自2018年成立以來，智源研究院先后發(fā)布了“悟道”系列大模型和“悟界”系列大模型，構(gòu)建了自底向上的全棧大模型開源技術(shù)體系。無論是在大模型發(fā)展的早期，還是在物理AI的全新時(shí)期，智源研究院始終在引領(lǐng)人工智能大模型的前沿研究探索。截至目前，智源開源模型超200個(gè)，全球總下載量累計(jì)超過10億次。同時(shí)也孵化了一系列在大模型領(lǐng)域和具身智能領(lǐng)域非常具有代表性的創(chuàng)新創(chuàng)業(yè)企業(yè)。

2024年智源大會(huì)上，智源發(fā)布了對(duì)于人工智能尤其是大模型技術(shù)的演化路徑的預(yù)判。當(dāng)下，人工智能正沿著從大語言模型向多模態(tài)大模型再向世界模型演進(jìn)的方向，加速從數(shù)字世界邁向物理世界。過去一年里，智源在基座大模型、智能體以及基礎(chǔ)軟硬件生態(tài)三個(gè)領(lǐng)域取得令人矚目的科研進(jìn)展。基于智源在多模態(tài)大模型以及世界大模型上的探索，智源研究院系統(tǒng)性地梳理了世界模型發(fā)展歷程，以及對(duì)現(xiàn)有世界模型技術(shù)的四大分類，并介紹了正在研發(fā)中的悟界·Physis。

基座大模型

2024年智源大會(huì)發(fā)布的“悟界”系列大模型，旨在解決人工智能從數(shù)字世界邁向物理世界的關(guān)鍵能力，并且構(gòu)建面向物理世界的人工智能基座模型。2025年10月正式發(fā)布的悟界·Emu3.5僅基于“預(yù)測(cè)下一個(gè)詞元（Next-Token Prediction）”，實(shí)現(xiàn)了大規(guī)模文本、圖像和視頻的統(tǒng)一學(xué)習(xí)，實(shí)現(xiàn)了多模態(tài)理解和生成任務(wù)的統(tǒng)一學(xué)習(xí)，這一原創(chuàng)性的成果在今年1月份刊發(fā)于Nature正刊，創(chuàng)造了國產(chǎn)多模態(tài)大模型的眾多紀(jì)錄。

今年，智源大會(huì)也帶來了一系列創(chuàng)新成果發(fā)布：悟界·Brainμ1.0是全球首個(gè)理解與生成統(tǒng)一的多模態(tài)神經(jīng)科學(xué)大模型，將Next-Token Prediction范式擴(kuò)展到神經(jīng)科學(xué)領(lǐng)域所構(gòu)建的多模態(tài)腦科學(xué)通用基座，由智源聯(lián)合清華團(tuán)隊(duì)基于悟界·Brainμ開展的研究成果也已刊發(fā)于Science；與悟界·Brainμ1.0一同發(fā)布的還有全球最大最全的AI-Ready神經(jīng)科學(xué)數(shù)據(jù)集和全球最大的AI-Ready數(shù)據(jù)平臺(tái)BrainToken；悟界·OpenComplex2.5是可泛化、物理真實(shí)的下一代AI驅(qū)動(dòng)藥物發(fā)現(xiàn)模型，能精確解析IDP靈活構(gòu)象，系統(tǒng)性賦能創(chuàng)新藥物研發(fā)全鏈路，以單一模型覆蓋制藥四大關(guān)鍵步驟。悟界·Physis-v0.1是全球首個(gè)通用世界基座模型，以統(tǒng)一物理狀態(tài)學(xué)習(xí)，實(shí)現(xiàn)物理正確、動(dòng)作因果可溯、長程一致、通用泛化，最終達(dá)到全垂類場(chǎng)景應(yīng)用。

智能體

針對(duì)具身智能面臨的硬件不成熟、數(shù)據(jù)短缺、模型能力弱、落地應(yīng)用難的四大挑戰(zhàn)，智源構(gòu)建了自底向上的全棧具身智能技術(shù)體系，并先后發(fā)布了悟界·RoboBrain和悟界·RoboOS。智源正在研發(fā)中的悟界·RoboBrain Orca，以預(yù)測(cè)下一個(gè)物理狀態(tài)為核心來構(gòu)建具身大腦，融合了大量Ego-centric交互數(shù)據(jù)，強(qiáng)化世界模型的具身表征，提升下游少樣本和跨場(chǎng)景泛化的能力。同時(shí)，結(jié)合智源研究院作為科研機(jī)構(gòu)的屬性以及在科研項(xiàng)目上的布局，智源推出了四款自主研發(fā)的智能體，它們分別面向心臟輔助診斷、科學(xué)發(fā)現(xiàn)、個(gè)人專屬助理以及生物安全防護(hù)等領(lǐng)域。

基礎(chǔ)軟硬件生態(tài)

智源與開源社區(qū)共建了眾智FlagOS，將企業(yè)面臨的“M款模型與N款芯片”適配難題簡化為“多模型+多芯片”的統(tǒng)一接入解決方案。FlagOS2.1能夠支持18家芯片廠商的32款芯片，是全球覆蓋芯片數(shù)量最多的計(jì)算系統(tǒng)軟件棧。FlagOS的算子總數(shù)已超過600個(gè)，并且仍然在快速增長。同時(shí)FlagOS還能夠支持18家芯片廠商的統(tǒng)一編譯器和12家芯片廠商的統(tǒng)一通信庫。目前，F(xiàn)lagOS的生態(tài)成員已經(jīng)超過80余家，全球下載量超過37.5萬次，觸及開發(fā)者5.6萬人。

悟界系列大模型：面向物理世界構(gòu)建的人工智能基座模型

如今，隨著多模態(tài)模型的研究深入，人工智能正經(jīng)歷一場(chǎng)重大的范式變革，正在從“預(yù)測(cè)下一個(gè)詞元”演進(jìn)到“預(yù)測(cè)下一個(gè)物理狀態(tài)”，這是世界模型的核心本質(zhì)。

智源研究院是國內(nèi)最早提出并開展世界模型研究的科研機(jī)構(gòu)。2023年智源大會(huì)上，楊立昆（Yann LeCun）就闡述了新一代世界模型的概念；2024年智源大會(huì)上，智源研究院提出的人工智能大模型技術(shù)路線預(yù)判，明確指出世界模型是下一代大模型技術(shù)；2024年發(fā)布的悟界·Emu3和2025年發(fā)布的悟界·Emu3.5，更是全球首個(gè)原生多模態(tài)世界模型?；谠诖竽Ｐ皖I(lǐng)域持續(xù)的技術(shù)積累與前瞻布局，2026年智源推出了悟界·Physis-v0.1。悟界·Physis的誕生正是基于智源對(duì)人工智能發(fā)展路徑的判斷以及從“悟道”到“悟界”的技術(shù)傳承與延續(xù)。隨著大語言與多模態(tài)技術(shù)日趨成熟，未來人工智能的發(fā)展重心將進(jìn)入世界模型時(shí)代。

智源認(rèn)為，現(xiàn)有世界模型相關(guān)的技術(shù)路線可分為四類：第一類是以語言為中心的世界模型，包括VLM、VLA，模型在文本空間中預(yù)測(cè)下一個(gè)詞，學(xué)到的是語言描述的世界，并不能理解背后的物理后果；第二類是以像素為中心的世界模型，像Sora和Seedance等視頻生成類模型，在視覺空間中學(xué)習(xí)視頻或圖像，學(xué)到的是像素描述的世界；第三類是以三維結(jié)構(gòu)為中心的世界模型，包括3D重建以及李飛飛團(tuán)隊(duì)的World Labs Marble模型，不過模型重建3D空間不等于理解世界，幾何結(jié)構(gòu)也不代表物理狀態(tài)；第四類是以視覺表征為中心的世界模型，比如楊立昆的JEPA系列模型，預(yù)測(cè)的是視覺表征的壓縮，但視覺嵌入演化不等于物理規(guī)律演化。

在智源看來，世界模型作為面向真實(shí)物理世界的下一代基座模型，以“預(yù)測(cè)下一物理狀態(tài)”為核心，代表著人工智能的下一個(gè)重要范式躍遷。世界模型不僅能感知、理解、推理真實(shí)物理世界的時(shí)間、空間、物理規(guī)律和物理常識(shí)，同時(shí)能涵蓋文本、視頻、深度、力覺、感知等全模態(tài)數(shù)據(jù)，還具備主動(dòng)交互能力，能夠支撐各種物理世界的下游應(yīng)用。