304永利集团官网入口-清华系「盯上」世界模型
首页财产阐发评论ai正文 清华系「盯上」世界模子 2023年AI创业要害词是“年夜模子”，2026年正切换为“世界模子”，其热潮下清华系创业者踊跃摸索，虽尚处学步阶段，但将来值患上存眷。 2026-06-24 13:31 ·微信公家号：白鲸试验室 马舒叶 编纂 吴寻 马舒叶 编纂 吴寻 AI投资人解读· 2026年AI创业要害词正切换为世界模子，海内一批清华系AI创业公司正挨近这一律念，其技能正于成熟，且“语言”建模对于象迫近瓶颈。这些公司漫衍于差别赛道，试图重写底层逻辑。智谱、生数科技、Momenta等公司从各自擅长范畴出发，摸索世界模子的差别线路。 · 世界模子尚处学步阶段，存于物理真实性幻觉、数据缺掉、技能栈未同一等问题，间隔现实运用还有有间隔。 总结：清华系创业者于AI范畴踊跃摸索世界模子，虽面对诸多挑战，但依附技能实力与立异精力值患上存眷。不外，鉴在其成长的不确定性，投资决议计划需审慎评估危害与潜力。内容由AI天生，仅供参考
许多创业者把这波世界模子热潮，比作当初ChatGPT方才降生的时刻。2023年的AI创业要害词是“年夜模子”，各年夜投资机构与科技年夜厂言必称千亿参数与Scaling Law，到了2026年，要害词正于切换成一个更恍惚、更弘大，甚至带着些许哲学野心的词，那就是世界模子（World Model）。
但问题是，没有人能完备注释它。
于差别公司的叙事蓝图里，它可所以视频天生，是呆板人节制，是主动驾驶的情况理解，也能够是多模态Agent的持久影象体系。它不像一个明确的技能线路，更像一个不停扩张界限的观点。就于方才，英伟达官网忽然宣布业界首 个面向呆板人、主动驾驶及物理AI的全栈式综合安全体系Halos，专为运行于IGX Thor人形呆板人硬件上而设计。
有趣的是，海内一批站于风口浪尖的AI创业公司，正不约而同的向这个词挨近。
初代AI视频天生顶流生数科技，从头把视频天生模子称为“时间维度的世界模仿”。面壁智能于端侧模子中会商怎样构建更长程的布局化推理空间。于主动驾驶范畴闯荡多年的Momenta，继承强化主动驾驶体系对于闭环世界的理解。市值刚破万亿的智谱则于Agent能力以外，也公布要慢慢扩大“情况交互”能力的界限。
这些押注世界模子的公司漫衍于差别赛道，但年夜多有一个配合点——来自统一条学术与财产收集，清华系。这类集中于其他行业其实不常见。它不像消费互联网那样依靠地舆上的咖啡馆及孵化器集群，也不像半导体行业依靠供给链的物理半径，而因此清华园、五道口、知春路为圆心连续外溢。
世界模子之以是成为当下AI行业追赶的新热门，技能正于成熟只是一方面，“语言”这一建模对于象正于迫近瓶颈才是底子缘故原由。
从语音年夜模子出走半生的创业者们，意想到语言模子能模仿世界的描写，但其实不真正理解世界的运行法则。同时视频天生模子最先呈现“时间一致性”的问题，呆板人模子最先面临“物理掉败”的不成逃避性，主动驾驶体系必需处置惩罚实际世界中连续变化的反馈。世界模子的意义，正于在试图将这些分离问题同一起来。
上一轮，清华系险些界说了年夜模子。而这一轮，清华系又最先抢跑世界模子——这个被认为是通往通用智能的主要路径。
01
为何是清华系？
清华系三个字于AI投资圈的招呼力，有时蒙上一丝形而上学色采。于清华系创业者领头人唐杰开办的智谱市值直冲万亿确当下，圈内子会恶作剧说，看项目时只要据说焦点团队是清华EE（电子工程系）或者CS（计较机系）出来的，哪怕还有没看BP，心里已经经默默把“技能天花板”那一栏调高了两格。
事实上这其实不是某种形而上学。假如翻看这群创业者已往十年于各自范畴的轨迹，会发明他们都有点相似，老是不满意在只做一个插件，而是试图重写操作体系的底层逻辑，探向最前沿。
要理解今天的世界模子热潮，必需回到上一轮出发点，年夜模子。
清华系创业者于上一轮中就是备受存眷的核心。智谱、面壁、月之暗面、生数科技等公司，都于差别阶段负担过追逐OpenAI的使命。如今，智谱依附GLM系列模子的体现，更是成为了海内负担“Anthropic追逐者”脚色的新标杆。
从Aminer最先，唐杰团队素质上做的是一个“常识体系”。它不是模子，而是对于人类学术世界的布局化表达。随落伍入GLM阶段，这一体系被转化为语言模子，并于GPT-3发布以后迅速进入范围化竞争。
于智谱的决议计划逻辑中，有一个重复呈现的要害词，就是“登顶”。于2021年的要害决议计划会上，团队会商是否投入万万元级别资源追逐年夜模子时，内部的争议于在一个问题，就是这个标的目的是否值患上“证实中国也能够做到世界级”。唐杰的亮相很直接，假如乐成，它至少能证实一件事，中国的年夜模子技能可以站于世界第 一梯队。
于阿谁时间点，GPT-3已经经发布一年多，谁也不知道国产模子的追逐能不克不及乐成。唐杰于押注的同时也蒙受着“可能五年没有回报”的压力。而终极，这类追高的干劲也让国产模子有了本身的一席之地。
2024年智谱Open Day上，唐杰就明确暗示要构建“认知驱动的世界模子”。智谱试图让模子不仅能谈天，还有能自立操作手机 App、预订旅店、计划行程，模子需要对于“手机界面”这个微不雅世界有深刻的理解，知道点开某个图标后会跳转到甚么页面，付出掉败后流程应该退回到哪一步。
而这类“情况交互”下的逻辑，是唐杰们摸索世界模子的起点。
假如说唐杰们代表了一种技能派的摸索欲及好胜心，生数科技的CEO唐家渝与首席科学家朱军，更像是借着AI创业验证本身的理论研究。
朱军及唐家渝是天生模子范畴的一对于“清华师徒档”。朱军是于贝叶斯要领及天生模子学派的代表，于创立生数科技后，他们并未阔别五道口，公司离清华园不外2千米。他们基在研究多年的扩散模子，患上出结论，模子不该该只是输出一个成果，而应该输出一个关在成果的几率漫衍。
恰是这类技能底色的鞭策，2024年生数科技自研了U-ViT架构，试图于同一的框架下处置惩罚视觉天生中的空间细节与时间持续性，让模子进修物理世界的时空纪律。
Momenta开创人曹旭东更靠近工程实际主义者。2016年那一波AI海潮里，曹旭东没有选择去做离钱更近的感知模块供给商，而是要做主动驾驶年夜脑，处置惩罚远比“辨认人脸”繁杂患上多的体系工程。这类及车企深度绑定的选择，也让Momenta于端到端主动驾驶积攒了快十年的真实场景数据。
而做主动驾驶，需要理解物理级交互，好比轮胎与地面的磨擦，也需要时空推演，可以或许预判行人及车辆及挪动。更要害的是还有要认知推理，理解交警手势及红绿灯。世界模子是他瓜熟蒂落的下一步。
这几小我私家的路径放于一路看，会发明他们都选择过“重新造轮子”。
唐杰自研了GLM系列，朱军没有效Stable Diffusion的现成框架，自研了U-ViT。Momenta的曹旭东于2016年就选择做全栈主动驾驶，而不是卖感知模块给车企，那象征着要把感知、决议计划、节制全数本身吃下来。他们于学术练习中习气了面临没有现成轮子的问题，更可以或许接管以年为单元的长周期投入。
AI海潮推到今天，传统贸易逻辑里的短时间优化再也不合用，一个标的目的的准确性，可能需要多年才能验证。
对于在这些创业者而言，当一个体系的要害环节被卡住时，最天然的选择不是绕已往，而是亲手把它做出来。博士阶段持久练习形成的习气，让他们更偏向在追问底层问题、补齐焦点能力。这险些已经经成为他们的肌肉影象。
02
世界模子的三条线路
缭绕世界模子，身世清华园的这批明星创业者，均选择从各自最擅长的体系出发去触碰差别的切面。
以智谱及面壁智能为代表，他们所追赶的世界模子，是一种长程、布局化的推理空间。
智谱于GLM系统以外，慢慢将能力扩大到Agent以和交互的场域。面壁智能则更夸大长上下文与推理能力，但愿经由过程更长的“影象窗口”，让模子具有连续建模能力。但这一起径都没法逃避的问题，就是语言是否充足表达世界布局？
唐杰就不止一次暗示，仅依赖年夜范围数据练习，模子可以或许进修海量数据统计相干性，却未必真正把握常识暗地里的布局及因果瓜葛。假如视频是时间切片，呆板人是空间交互，那末语言模子更像是一种世界的压缩表达。于这一框架中，世界模子其实不是简朴地天生一个世界，而是让呆板可以或许成立起对于世界状况、因果瓜葛以和演化纪律的内部表征。
某种水平上，这也是愈来愈多清华系创业者转向世界模子的缘故原由。
2024年7月WAIC上，唐杰就提出：“世界模子需要具有对于物理纪律及社会知识的理解，这类理解不是靠更大都据就能解决的，需要常识工程及深度进修的联合。”智谱从2025年最先频仍说起AutoGLM及Agent 战略，试图探索出一条可行的技能线路。
而以生数科技为代表，他们眼里的世界模子，更像一个沿着时间轴放开的超等视频天生引擎。
唐家渝及朱军团队于2024年推出海内首 个对于标Sora的永劫长视频天生模子时，就将其定位为“时间维度的世界模仿”，他们用海量的视觉数据喂养出模子对于知识物理的直觉。好比，当你抛出一个球，模子能预判它会由于重力而下坠，哪怕画面中没有呈现地面，它也能脑补出抛物线。
生数科技的U-ViT 架构综合了Transformer及扩散模子，这条线路认定，一旦视频模子可以或许完 美猜测下一帧画面，它就能够酿成一个高仿真的虚拟世界引擎，再反哺到具身智能及主动驾驶的研发。
Momenta更夸大世界模子可以经由过程物理纪律的重修，与及时交互来实现。
Momenta试图于数字空间中连续映照及理解真实世界，并经由过程数据闭环让体系不停进修及迭代，走出了一条感知、决议计划与自我进化相交融的路径。
曹旭东早于2016年就说过，主动驾驶的终 极难题不是瞥见，而是理解及预判。作为早就于主动驾驶场景积攒出足量数据的玩家来讲，车辆动力学、传感器仿真、路面磨擦系数、气候对于能见度的影响等，这些必需有高精度的物理建模，这些模子验证经由过程后就能够直接“上车”进入真实世界，然后再网络真实路况数据用在模子练习。
6月23日，Momenta经由过程港交所聆讯，正式进入IPO冲刺阶段，有望成为物理AI第 一股。
这象征着，Momenta为市场提供了一个更实际的谜底，物理AI不是先有完 美模子，再等候落地场景。更好的方式应该是，于量产场景中连续收罗、练习、验证、上车，再回到真实世界继承进化。至少于主动驾驶范畴，这个飞轮已经经最先跑起来了。
03
清华系创业者及世界模子，都还有于路上
需要留意的是，世界模子还有于摇摇摆晃的学步阶段，离阿谁能装下整个物理与逻辑世界的弘大构思，还有有遥远的间隔。
本年，英伟达发布的NVIDIA Cosmos 3，标记着一个较年夜的、同一的世界模子的问世。不外相对于最前沿的语言模子来讲范围还有小许多，展示了向通用使命（general task）扩大的能力。但于DeepMind发布Genie 2时，官方博客的说话却很是审慎，他们暗示：“Genie 2是一个研究预览，并未公然发布。它展示的是将来可能实现的标的目的”。
世界模子的构思很好，但年夜大都人还有感触感染不到。
这是由于，现阶段想让模子真实的去感知、理解世界，落地障碍险些是全方位的。
起首就是物理真实性幻觉，包括生数科技Vidu、Runway、Sora于内的视频天生东西，当用户试图让AI天生一段视频，轻易呈现“物体穿模”。好比，让一小我私家喝水，杯子却穿过了手掌，或者椅子忽然像液体同样流动。这类模子对于物理定律的违反，偏偏申明今朝的视频天生模子还有达不到严酷的物理仿真。
除了此以外，于语言模子的数据飞轮已经经跑起来确当下，世界模子仍旧太缺数据了。王兴兴于宇树量产呆板人时发明，即便他们于仿真情况里把呆板人练成为了体操冠军，可一到真实世界，一块轻微反光的地砖、一个疏松的鞋带，都能让呆板人毫无征兆的倒地。
这类征象叫做 Sim-to-Real Gap（仿真与实际差距）。
世界模子需要无限无尽的数据来笼罩实际世界的长尾问题，但许多物理细节，好比材质的磨擦系数、软体物体的形变、光芒的散射，险些不成能被穷举建模。人感觉理所固然的“杯子失于地上会碎”的知识，对于模子来讲却需要理解质料脆性、重力加快度、地面硬度等多重属性，缺一条链条，推理就会瓦解。这是卡居处有模子厂商的难题。
“从宏不雅来看，此刻各人所说的世界模子于技能栈上没有彻底同一，还有于各说各话。将来一段时间内的主要课题是，怎样把所有下流使命（downstream task）的数据搜集到统一个模子架构中，并实现真实的 scale up。”Mind Lab首席科学家马骁腾博士告诉咱们。
不管是财产方还有是开发者，对于在他们来讲，世界模子今朝年夜多还有关于试验室及论文里。已经经发布的模子，范围小的理解能力捉襟见肘，轻微繁杂一点的物理交互就会瓦解。范围年夜的模子，于token成为新钱币的此刻，推理成本又过在昂扬。世界模子间隔“可堪年夜用”，还有有实打实的间隔。
成心思的是，唐杰很早就提出，仅靠语言统计相干性，很轻易让模子沦为一个高程度的“鹦鹉”，可以或许流利地天生谜底，却未必真正理解世界。
已往十多年里，唐杰始终试图把认知图谱与神经收集联合起来，但愿让呆板成立近似人类的常识布局。某种水平上，这类执念甚至可以看做世界模子思绪的一种初期版本。
由于实际很快证实，语言其实不等在世界。即便到了AutoGLM 时代，当一个 App 更新了界面，按钮位置发生变化，Agent就会惊惶失措，模子也要从头进修。由于模子可以记住页面，但没法理解暗地里的运行法则。
当下，智谱正将世界模子视为霸占这块硬骨头的要害冲破口。
这些也许恰是清华系创业者的特色地点。世界模子仍于路上，这条路注定漫长。但转头看，从年夜模子到具身智能，再到世界模子，每一一次技能跃迁的暗地里，好像总能看到这群人的身影。他们未必老是最 先抵达尽头，却总愿意率先走进无人区。
【本文由投资界互助伙伴微信公家号：白鲸试验室授权发布，本平台仅提供信息存储办事。】【免责声明】：本文不组成任何投资建议。市场有危害，投资需审慎。若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。
-304永利集团官网入口
