从语言认知到物理交互：西湖大学世界模型研究中心的三年伏笔与一次转身

当大语言模型把「能说会道」变成标配，一个更棘手的问题浮出水面：机器能复述世界，是否等于理解世界？西湖大学给出的答案是成立一个专门机构——西湖世界模型研究中心，而支撑这一动作的，是自主智能实验室AutoLab长达三年的技术积累与一次关键路线切换。

世界模型要回答的，不是「是什么」而是「会怎样」

早在1990年，强化学习奠基者之一Richard Sutton就给出过一种朴素定义：给定当前状态与动作，预测下一个状态。这个定义把问题从「世界长什么样」推向「世界将往哪走」。用AutoLab负责人于开丞的话说，传统训练更像让AI反复刷题库，而世界模型追求的是掌握物理规律后做出精确推演。

图灵奖得主Yann LeCun的判断更为直接：仅靠预测文本，AI无法抵达人类级别的智能，必须建立理解物理现实的模型。这也解释了为何2024年Sora以「物理世界通用模拟器」的定位引发轰动——咖啡杯里木质帆船破浪的画面，让公众第一次直观感受到像素背后的物理质感。自动驾驶则是最早的落地场景：生成恶劣天气、突发事故等边缘场景，弥补真实路测无法刻意制造车祸的短板。

但新的疑问随之而来：画面逼真，是否等于模型真的懂世界？这恰是AutoLab后来转向的起点。

一次「自我否定」：从渲染像素到抽象概念

于开丞的履历带着某种反差。1993年生于山东，高考分数足以进入清华北大，他却选择了香港大学；以一级荣誉工学学士毕业后赴瑞士洛桑联邦理工学院直博，主攻自动机器学习，此后在英特尔智慧系统实验室、Abacus.AI、阿里巴巴达摩院从事研究。在达摩院做自动驾驶时，他逐渐看清传统方法的软肋——高度依赖训练集，题库里有的场景能处理，罕见的突发状况则容易失手。

2023年加入西湖大学组建AutoLab时，世界模型尚属冷门概念。面对长尾场景难题，领域内存在两条路径：一是生成合成数据、制造罕见样本喂给模型；二是让模型学会触类旁通、推演未知场景。团队先走第一条路，2024年拿下ECCV自动驾驶赛道世界冠军，得分大幅领先第二名。

然而在与一家国内一线车企深度部署的过程中，团队开始质疑这条路的根基：模型既然能生成逼真数据，说明它已在一定程度上理解世界，那么继续渲染像素究竟为了什么？2024年底，AutoLab转向「概念世界模型」——不再生成像素，而是在抽象的数学隐空间中建立物理概念表征，把复杂场景拆解为空间关系、材质特性、接触状态等可复用概念，遇到新场景时在隐空间重新组合推演。2025年的实验显示，概念拆解与关联机制建立后，模型在复杂任务上的成功率较传统模仿学习与强化学习基线明显提升，预测成本反而更低。

从实验室到公司：Awomo的物理基座野心

2026年初，西湖数智Awomo成立，定位为物理世界的基础大模型公司，对标大语言模型的思路，做原生物理大模型而非给车企交付定制方案。AutoLab的「概念世界模型」由此获得正式命名，并在四项国际权威机器人评测集中登顶，验证了其在环境扰动、精细操作与长时序任务上的泛化能力。公司已累计获得超亿元种子轮与天使轮融资，投资方包括英诺基金、东方嘉富基金、正轩投资、天启资本、西湖创新投资基金、金蚂投资等。

应用边界远不止自动驾驶。世界模型可以充当机器人的「物理大脑」，在复杂扰动下于潜空间快速推演物体属性与动作后果，完成抓取、装配与长时序协同。更深层的改变在训练范式：若依托通用物理基座，下游开发者或许无需采集百万级小时数据，仅用20至30小时的后训练即可定制特定领域模型。于开丞相信，长期看这项能力会下沉到普通人的个性化创造——像搭私人车库作坊一样搭建专属机器人或智能助手。

有意思的是，他同时在研究古老的书法。汉字从甲骨文演变至今，本质是把现实实体压缩为二维符号的过程。「甲骨文就是最早的隐空间」，而将意图转化为笔画的数学逻辑，与机器人动作控制、轨迹规划在底层相通。几千年过去，人类仍在抽象世界法则，只是换了工具。

国内视角：世界模型赛道的中外并跑

放眼海外，李飞飞、Yann LeCun等领军者已相继投身世界模型创业，Google DeepMind的Genie系列则尝试把世界模型与推理模型融合。国内方面，这条赛道同样在提速：华为已发布面向室内场景生成的世界模型，强调单卡快速生成大尺度空间；高校与创业团队围绕具身智能、多智能体交互持续产出成果。与大语言模型阶段「追赶—对标」的节奏不同，世界模型领域国内团队在概念路线（如隐空间表征）上已出现原创性探索，西湖AutoLab的「概念世界模型」即是少数完成初步验证的案例之一。当然，算力底座、数据规模与工程化能力仍是需要补课的部分，产学研协同的深度将决定谁能率先跑通通用物理基座。

一个中心的信号意义

西湖世界模型研究中心于2026年10月正式成立，是西湖大学面向物理智能设立的校级交叉科研平台，由于开丞任主任、金耀初院士任首席科学家，多位PI分担各方向研究。中心聚焦世界模型与物理智能，试图打通感知、认知、预测与行动的闭环，突破智能系统理解物理规律、预测环境变化与交互决策的瓶颈。

从三年前的冷门布局，到如今近90位业界研发负责人与投资人到场，这个中心更像一个信号：人工智能的下一程，正从「读万卷书」转向「行万里路」。关于世界模型的技术路线之争远未结束，但至少有人已经提前出发。

参考资料：Richard Sutton 与强化学习、世界模型概念、

常见问题

世界模型和大语言模型的核心区别是什么？

大语言模型本质是对文字符号做概率预测，而世界模型的目标是预测现实世界的下一个状态，赋予AI时间、空间、因果关系与物理常识。前者擅长复述与生成语言，后者追求理解并推演物理现实。

什么是「概念世界模型」？

它不生成像素，而是在抽象的数学隐空间中建立物理概念表征，把复杂场景拆解为空间关系、材质特性、接触状态等可复用概念，遇到新场景时重新组合推演，从而以更低成本获得更强的泛化能力。

世界模型最先会在哪些场景落地？

自动驾驶是最早的落地场景，用于生成边缘场景训练模型；机器人则是重要方向，世界模型可充当「物理大脑」完成抓取、装配与长时序协同；长期看还会下沉到个性化智能助手等消费级创造场景。

西湖世界模型研究中心是什么机构？

它是西湖大学2026年10月成立的校级交叉科研平台，由于开丞任主任、金耀初院士任首席科学家，聚焦世界模型与物理智能，推动AI在真实环境中形成理解世界、推演未来与自主行动的能力。

国内在世界模型方向进展如何？

国内团队在概念路线等方向已出现原创性探索，华为等企业发布了场景生成类世界模型，高校与创业团队围绕具身智能持续产出成果；但算力底座、数据规模与工程化能力仍需补课。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。