搜索
2026 年，世界模型已成为人工智能领域最受关注的方向之一。从空间智能到表征预测，从可交互环境到具身智能，越来越多研究与产业团队将下一阶段目标指向「理解世界」。行业竞争的焦点，也已从「是否进入世界模型」，转向「以何种技术路径实现世界模型」。
过去一年，具身智能赛道正经历着前所未有的「冰火两重天」。
智能的下一阶段，已从“模型”转向“系统可靠性和进化性”的比拼。
今天，世界模型几乎成为 AI 领域最受关注的话题之一，但对于“什么才是真正的世界模型”却依然存在巨大分歧。有人认为它只是视频生成的延伸，也有人认为只有能够理解物理规律、支持机器人行动的系统才是真正的世界模型。
迁移学习里的“源数据”，未必非得是图像、文本或音频。
7 月的上海，世博展览馆 H3 馆的过道比往年拥挤许多。 入口处停着宇树的载人变形机甲 GD01，观众排队坐进驾驶舱拍照。往里走，300 多台机器人真机散在 200 多家具身智能企业的展台之间，具身智
交互式视频世界模型正在从「一次性生成短片」走向「像游戏一样边操作边生成」。但长轨迹交互会迅速放大上下文、显存和多步去噪开销。Light Interaction不改模型参数、不重新训练，只在推理阶段把相机轨迹变成调度信号，动态选择历史上下文、在回访状态复用去噪输出，并用面向自回归生成的3D稀疏注意力降低计算。
视频是描述物理世界的重要数据形态，更是人类与物理世界交互的重要载体，视频理解大模型是让 AI 从数字世界走向物理世界最基础、最原生的组成部分。
苏度科技联合创始人、董事长苏昊是ImageNet的核心作者之一，师从李飞飞。这家公司走了一条与硅谷主流“纯大脑黑盒大模型”不太一样的路：软硬件协同设计，上下分层架构，上层负责任务规划与环境理解，下层负责具体物体操作；Sim-to-Real作为核心训练范式，让机器人在虚拟世界里经历几百万年的进化，再迁移到现实。
最近硅谷有点魔幻。一边被中国开源模型吓得不轻，专门造了个词叫「Kimi panic」；另一边，美国最大的模型托管平台刚被自家模型攻击，救场的偏偏又是一个中国开源模型。就在这个节骨眼上，老黄又整活了。