由中国企业改革与发展研究会、网易财经、网易财经智库联合主办的2026网易经济学家年会・夏季论坛于8月在深圳举行，本届论坛的主题是“智变・崛起”，北京大学汇丰商学院提供学术支持。
极佳视界联合创始人、首席科学家，通用世界模型北京市重点实验室主任朱政发表演讲，他的演讲主题为“世界模型：解锁无限的物理AGI生产力”。
朱政提出，世界模型与语言模型并列，核心是对未来物理状态进行预测，类似人大脑中负责预判风险的区域。他认为，过去三年语言模型将数字世界生产力提升了一个数量级，而现在具身智能、包括机器人的应用相对比较滞后，“工厂里面车间的工人可能每天只能工作8个小时，然后在家庭里面我们可能每天要每个人花费2-3个小时做家务，希望通过世界模型可以赋能机器人包括自动驾驶的车辆，在工业、泛服务和家庭场景解放物理AGI生产力。”
在朱政看来，世界模型的目标主要包含三点：第一，推动机器人通过物理图灵测试，在无需人工现场观察的前提下，外界无法分辨任务究竟由人还是机器人完成；第二，借鉴语言模型的工具化发展路径，让机器人、自动驾驶设备释放源源不断的物理生产力；第三，实现机器人自主完成设计、优化与制造，也就是“机器人造机器人”。
他认为，当前语言模型、自动驾驶、具身智能领域都高度关注世界模型，因其能解决三大痛点：一是数据问题，真机数据采集每小时成本约两百元且泛化性、多样性严重不足，世界模型可生成低成本、高保真的泛化数据；二是评测问题，物理世界测试非常危险且耗时，世界模型可作为闭环仿真器进行评测和强化学习后训练，目前已可模拟约10分钟的未来演化；三是决策问题，VLA模型仅仅预测了未来世界的动作，而世界模型可模拟物理世界演化状态，并对采取动作后将受到的奖励或惩罚进行提前预测，让物理Agent像人一样持续学习、自我进步。
谈及技术迭代进度，朱政介绍，团队目前已经对外发布15款模型，整体处于类似2020年大语言模型的 “GPT1阶段”。他预计明年上半年推出对标 “GPT3阶段” 的新一代模型。团队搭建了覆盖数十类场景、上百种任务的大规模内部测试集，目标是该模型没有经过后训练的情况，就能在90% 以上的任务中取得超过90% 的成功率。
他表示，这些模型背后做了大量工程优化，构建了数字金字塔与算法金字塔。数字金字塔底层为海量互联网数据，中间层使用生成与合成数据，顶层为交互数据。与之配套的算法金字塔，底层借助海量互联网数据学习物理世界运行常识，例如杯子脱离桌面会受重力坠落，塑料杯不易摔碎、玻璃杯则容易碎裂这类基础物理规律。第二层引入动作数据开展动作对齐，实施监督学习与模仿学习；最后通过强化学习后训练，释放模型预训练能力，实现能力涌现。算法金字塔与之对应，底层通过海量互联网数据然后学习到物理世界运转的常识——例如杯子离开桌子会因重力坠落，塑料杯不会碎而玻璃杯会碎，中层引入动作的数据来进行动作对齐，进行监督学习或模仿学习，顶层通过强化学习后训练、解锁预训练能力，实现涌现效果。
在应用落地方面，朱政表示已取得多项进展：家庭场景中，机器人叠一件衣服约20秒，基本上可实现连续叠几千件且不失误；泛服务场景中，无人咖啡店冲意式咖啡需十几个步骤，约1分钟一杯，每小时可做50杯左右；物流产线中，与苹果合作的手机装盒工序中，可实现把包装盒的两个“耳朵”精准卡入两个缝。其“机器人造机器人”计划目前已实现20%工序自动化，“预计经过两年时间后有望实现90%的工序高度自动化。”他表示。
朱政最后总结，模型竞争本质上是对组织和人才的考验。当前具身智能领域高端人才竞争激烈，“每年毕业的这些年轻人，最高的已经可以拿到千万年薪的Offer，如何将几百个高端人才聚集到一个组织中快速迭代模型，是一个新型命题”。
热门跟贴