您的位置首页 >人工智能 >

2026 顶科论坛的 “智能体化全模态世界模型”三层架构、三条路线汇流与落地边界

我先核实这场论坛的准确名称、时间地点,以及 “智能体化全模态世界模型” 的原始表述。

论坛名称和时间我再确认一下,避免把同期的其他会议混进来。

这次演讲的核心主张,与你熟悉的 “再做一个更强的多模态大模型” 完全不同:它要把 “想” 和 “做” 放进同一个 token 空间。在 2026 世界顶尖科学家论坛(10 月 30 日至 11 月 1 日,上海临港中心,主题 “范式变革:科学突破的下一个十年”)期间举行的第二届国际工程智能大会上,加拿大工程院外籍院士、智象元一(HiDream.ai)创始人兼 CEO 梅涛提出构建 “智能体化全模态世界模型”(Agentic Omnimodal World Models),并把它拆成三层:LLM 当决策大脑,负责理解意图与任务规划;Omni-Model 当世界模拟器,推演行动的后果;Embodied Context 对接真实环境,执行动作并把观测数据回传校准。三者协同指向一句口号:“One Token Space, One World”。这个提法的落点是把大语言、多模态、具身大模型三条目前各自演进的技术路线,收敛到同一个架构里,用世界模型补上物理智能的短板。需要说清的是,这是一场产业侧的方法论演讲,架构主张清晰,但落地证据仍处于早期阶段。

一、会议信息先对齐,别和别的会混了

项目口径
论坛全称2026 世界顶尖科学家论坛
时间地点2026 年 10 月 30 日至 11 月 1 日,上海临港中心
主题范式变革:科学突破的下一个十年
主办中国科协牵头主办
规模33 位顶尖科学家、92 位资深科学家、79 位青年科学家,含 32 位诺贝尔奖、菲尔兹奖、图灵奖得主
本场演讲所在论坛期间的第二届国际工程智能大会
演讲人身份加拿大工程院外籍院士、智象元一(HiDream.ai)创始人兼 CEO

容易混淆的有两个:一是 “世界顶尖科学家论坛” 与 2 月在迪拜举办的世界顶尖科学家峰会、7 月在上海举办的世界人工智能大会,是三个不同会议;二是 “国际工程智能大会” 是论坛框架下的专业会议,不是顶科论坛主论坛。

二、为什么现在要提世界模型

一句话概括动机:数字智能跑得太快,物理智能跟不上,中间需要一座桥。

维度数字智能(Digital AI)物理智能(Physical AI)
现状文本、代码、视频生成、数学研究已达甚至超越人类专家水平仍受制于物理理解薄弱、交互数据匮乏、闭环执行不足
数据来源互联网语料几乎取之不尽真实交互数据几乎从零开始积累
试错成本低,错了重生成即可高,真机采一次就是成本
典型短板缺少对物理规律与因果的建模缺少能低成本供给的场景与动作数据

梅涛给出的桥梁就是世界模型:它不只是生成画面,而是对世界状态、物理规律、因果关系建模,能 “理解世界如何运行、并推演未来可能发生什么”。这也解释了为什么他把 “生成画面” 和 “构建世界” 明确分开 —— 前者是能力,后者是方向。

他引用的一组数据很能说明 AI 的扩张速度:AI 模型聚合平台 OpenRouter 的数据显示,截至 2026 年 10 月,中国周 Token 调用量达 93 万亿,是美国的 4.16 倍,连续 26 周位居全球第一。这里要加一个限定:这是单一平台的调用口径,反映的是平台上中国开发者的活跃度,不等于中国全部大模型调用量;它适合看趋势,不适合当绝对值。

三、三层架构,各自解决什么问题

层角色具体职责缺了它会怎样
LLM决策大脑理解意图、生成推理、制定任务规划不知道要做什么,动作没有目的
Omni-Model世界模拟器基于意图模拟物理世界运行,推演行动后果,预判下一步只能 “反应”,不能 “预演”,试错全靠真实世界
Embodied Context具身上下文对接真实环境执行动作,回传观测数据校准模型模拟永远停在纸面,无法闭环

三层的关系不是串联的流水线,而是闭环:大脑出计划 → 模拟器先在 “脑内” 跑一遍 → 实体执行 → 真实观测反过来修正模拟器。他说的 “One Token Space, One World”,本质是让思维世界和物理世界共享同一套表征,而不是两个系统之间来回翻译。翻译次数越少,信息损耗越小,这也是这套架构最有价值的地方。

四、三条路线为什么要 “汇流”

产业界目前是三条路线并行,各有各的天花板。

路线擅长天花板汇流后补什么
大语言模型语言、推理、规划、工具调用没有身体,不懂物理提供决策与任务分解
多模态模型图像、视频、跨模态理解与生成生成得像,但不懂因果提供世界模拟与内容生成
具身大模型感知 — 决策 — 行动闭环数据少、泛化难、成本高提供真实执行与数据回传

三种能力各自做到极致,仍然是三个孤岛:会想的不会做,会做的想不深,会生成的不知道后果。智能体化世界模型的主张,就是把三者压进一个架构,让 “规划 — 推演 — 执行 — 校准” 成为一次连续的过程。这也对应一个现实判断:竞争焦点已经从 “谁的模型参数更大”,转到 “谁能把世界模型做出来”。

五、智象的对应打法:1+1+3

演讲里另一半篇幅在讲自家怎么落这个架构,可以当作一个具体样本看。

层级内容作用
底座原生全模态 Unified Transformer 架构,统一表征文本、图像、视频、空间、位姿、力触、传感器解决 “多模态各说各话” 的问题
模型矩阵图像 → 视频 → 交互模型 HiDream-O1-World → 具身模型 HiDream-O1-Embodied从静态画面走到空间交互与具身行动
中间层企业级模型平台 HiHarness,汇聚自研 HiDream-O1 系列与全球模型让企业按场景选模型,而不是被单一模型绑住
应用层商业营销智能体 HiBurst、影视创作智能体 “帧赞”、内容创作智能体 vivago把模型能力封装成可直接用的生产力

矩阵的演进顺序值得注意:图像、视频、交互、具身,是一条 “静态 → 动态 → 空间 → 行动” 的能力线。其中 HiDream-O1-World 在 2026 世界机器人大会期间首次参评 WBench,登顶 Navi 分榜,支持多模态输入与漫游、编辑、交互,为具身仿真训练和 3D 场景生成提供虚拟底座。

六、两个已经能看见的落地口子

世界模型最怕停在演示,这两个方向是他给出的具体用途。

  • 具身智能的数据供给:规模化合成毫米级高精度动作视频,绕开真机采集 “贵、慢、少” 的瓶颈,让机器人训练先用仿真数据打底,再用真机数据校准。
  • 生命科学的表征与预测:通过多尺度生物影像的统一表征,理解并预测细胞演化,为药物响应评估提供前置参考,在实验之前先筛掉一批不值得验证的方案。

两个场景的共同点是:真实数据贵,而试错代价高。这正是世界模型能创造价值的地方 —— 把 “试” 从物理世界搬到模型里先跑一遍。

七、哪些是已发生,哪些还要等

读这类演讲,最好把 “主张” 和 “证据” 分开摆。

主张现有证据成熟度判断
三条路线会汇流成智能体化世界模型架构论述 + 自家模型矩阵已按此路径铺开方向清晰,行业共识尚未形成
全模态统一表征可行已发布 UiT 底座与 HiDream-O1 系列已有产品,效果需按场景验证
世界模型能合成高精度动作数据官方表述支持毫米级动作视频合成已进入具身数据供给环节
世界模型能预测细胞演化与药物响应与合作企业的多尺度影像表征实践早期探索,需实验验证闭环
中国 AI 调用规模领先OpenRouter 单平台口径,93 万亿 / 周趋势可信,绝对量需谨慎解读

这张表想说明一件事:架构主张可以很超前,但判断一类新技术,最终要看它在具体场景里是否形成了可复现的闭环。

八、结论

“智能体化全模态世界模型” 真正的新意不在 “全模态”,而在 “智能体化” 三个字:它把世界模型从 “生成更好看的画面” 改造成 “行动之前先推演后果” 的模拟器,并用 LLM、Omni-Model、Embodied Context 三层把思考、预演、执行串成闭环。对行业,这是一条把数字智能优势迁移到物理智能的路径;对企业,判断价值的标准很朴素 —— 能不能用更低的试错成本,换来更可靠的真实世界结果。这个方向值得跟,但要看三件事:统一表征是否真的跨模态有效、仿真数据能否缩小与真机的差距、回传校准能否形成闭环。这三件事都成立,世界模型才真正从 “演讲里的架构” 变成 “产线上的能力”。

【常见问题】

问题 1:2026 顶科论坛上提出的 “智能体化全模态世界模型” 是什么?

回答 1:它是一种把决策、模拟、执行三层合一的架构主张:LLM 作决策大脑负责理解意图与规划,Omni-Model 作世界模拟器推演行动后果,Embodied Context 对接真实环境执行并回传数据校准,目标是让思维与物理世界共用一个 token 空间(One Token Space, One World)。这一提法出现在 2026 世界顶尖科学家论坛期间的第二届国际工程智能大会上。

问题 2:智能体化全模态世界模型,和普通的视频生成模型有什么本质区别?

回答 2:视频生成模型的目标是 “画面像不像”,智能体化全模态世界模型的目标是 “后果对不对”。后者要对世界状态、物理规律与因果关系建模,能在行动之前先推演多种可能,再用真实观测校准;前者只需产出观感合格的内容。前者的能力可以成为后者的一部分,但两者的评价标准完全不同。

问题 3:为什么说大语言、多模态、具身大模型三条路线会汇流成智能体化全模态世界模型?

回答 3:因为三条路线各自都撞到了天花板:大语言模型会规划但没有身体,多模态模型生成得像但不懂因果,具身模型能执行但缺数据、泛化难。智能体化全模态世界模型把三者压进同一架构,让规划、推演、执行、校准形成闭环,正好互补彼此的短板,这也是该主张的核心逻辑。

问题 4:智能体化全模态世界模型在哪些场景已经能看到落地?

回答 4:目前公开的两个方向是具身智能与生命科学。具身侧用世界模型规模化合成毫米级高精度动作视频,缓解真机数据贵而少的瓶颈;生命科学侧用多尺度生物影像的统一表征理解并预测细胞演化,为药物响应评估做前置筛选。共同点是真实数据昂贵、试错代价高,适合先在模型里跑一遍。

问题 5:判断智能体化全模态世界模型是否真正成立,应该看哪几个指标?

回答 5:看三件事:统一表征是否真的跨模态有效,而不是各模态各训一个头;仿真合成的数据能否把与真机的差距缩到可用范围;真实观测回传后能否形成校准闭环。三点都成立,智能体化全模态世界模型才算从架构主张变成可复用的生产能力。

【数据来源】

  • [2026-11-06](加拿大工程院外籍院士、智象元一创始人兼 CEO 梅涛:从生成画面到构建世界,智能体化世界模型指向下一代世界智能)界面新闻
  • [2026-11-05](智象元一创始人梅涛:大语言、多模态和具身大模型并非孤立,将 “汇流” 成智能体化世界模型)新浪财经
  • [2026-10-31](2026 世界顶尖科学家论坛在上海开幕)中国科学技术协会
  • [2026-10-25](顶尖诺贝尔奖与图灵奖得主将在上海探讨科学突破)上海市人民政府新闻办公室
  • [2026-09-23](中国科协 2026 年 “开放合作月” 专题新闻发布会:2026 世界顶尖科学家论坛 10 月 30 日至 11 月 1 日在上海临港中心举办)中国科学技术协会
  • [2026-08-28](合肥高新区 “机器人天团” 亮相 2026 世界机器人大会:HiDream-O1-World 首次参评登顶 WBench Navi 分榜)合肥高新技术产业开发区管委会
  • [2026-08-24](2026 世界机器人大会|破解世界模型落地的技术与数据难题)新华网

【免责声明】

本文基于公开报道整理,仅用于信息分享与技术观察,不构成对任何企业、产品或技术路线的推荐或评价。演讲内容经媒体转述,具体架构定义、模型能力、榜单成绩与商业化进展请以智象元一(HiDream.ai)官方发布及正式技术文档为准。文中 OpenRouter 调用量为单一平台统计口径,不代表中国全部大模型调用规模;WBench 成绩为该模型首次参评的特定分榜结果,不等同于通用能力结论。世界模型相关落地效果仍处早期,实际表现需以可复现的第三方验证为准。

今日大家都在搜的词: