智源研究院院長王仲遠

藍鯨新聞6月6日訊（記者 武靜靜）2025年6月6日，第七屆智源大會在北京召開，智源研究院正式發布了“悟界”系列大模型，聚焦多模態、腦科學、具身智能與微觀生命分子建模四大核心方向。

創立于2018年的智源研究院，作為中國新型科研機構的探索樣本，它不僅開創了國產大模型的技術路線，也激活了中國AI大模型創業生態的第一波熱潮——它催生了國內最早一批專注于大模型的創業公司，也影響了以楊植麟、豈凡超、曾國洋等人為代表的新一代AI大模型創業者。他們大多曾參與“悟道1.0”與“2.0”的研發，在項目中完成從學生到研究者的轉變，成為中國AI大模型版圖中的重要力量。

今天的“悟界”，是繼“悟道”之后智源邁出的又一步。不同于以往聚焦語言、圖像等數字世界，“悟界”面向具身智能和世界建模，將探索延伸至真實世界中的感知、決策與交互。

此次，「藍鯨科技」采訪了智源研究院院長王仲遠，圍繞“悟界”背后的研究邏輯、技術布局與未來方向展開深入對話，了解智源對下一代通用人工智能“底座能力”的一次系統性構思與前瞻性思考。

大模型技術還遠沒有到發展的盡頭，下一步是探索物理世界

“界”代表著對虛實世界邊界的突破，代表著對物理世界的賦能，以及在物理 AGI 方向上的邁進，王仲遠說道。

據介紹，此次發布的“悟界”系列涵蓋原生多模態世界模型Emu3、腦科學多模態通用基礎模型見微Brainμ、跨本體具身大小腦協作框架RoboOS 2.0與具身大腦RoboBrain 2.0以及全原子微觀生命模型OpenComplex2，幾乎覆蓋了當下AI與人類核心認知結構、現實物理世界交互及生命本質建模的前沿方向，也是中國大模型再一次面向通用人工智能（AGI）一次探索和實踐。

我們了解到，此次智源推出的“悟界”系列模型，首次系統性地覆蓋多模態、腦科學、具身智能與微觀生命分子建模，展現出構建“世界模型”的路徑圖，也體現了中國AI方面系統化創新能力。

王仲遠告訴「藍鯨科技」，“百模大戰”競爭的背后，更多聚焦在大語言模型層面，幾乎都仍局限在數字世界的語義理解與生成范疇。“然而，大語言模型的發展正面臨增長瓶頸。一方面，訓練依賴的互聯網數據趨于飽和，模型性能提升趨緩；另一方面，多模態融合仍存在‘此消彼長’的問題——引入圖像、視頻等模態后，反而可能削弱原有語言能力，模型整體表現不升反降。”

這正是“悟界”系列試圖解決的問題，王仲遠表示，要讓AI真正從“只能聊天”走向“能理解、能行動”的階段，關鍵在于讓它真正進入現實世界。為此，智源不再只依靠互聯網文本數據，而是引入更多來自真實世界的信息，比如圖像、聲音、三維空間結構，甚至是人腦的活動信號。

智源正在探索一種叫“原生多模態”的新方法——簡單來說，就是從模型訓練的第一步開始，就同時使用多種類型的數據，讓AI從一開始就具備綜合理解各種信息的能力。

Emu3 原生多模態世界模型就是這種做法的代表，它可以把文字、圖片、視頻轉化為同一種“語言”來處理，這樣就能更順暢地理解和生成不同形式的內容，讓AI變得更聰明、更靈活。此外，智源推出的見微Brainμ模型，就能把腦信號轉化為模型可以處理的“語言”，并與圖像和文本進行跨模態多向映射。

更進一步，大模型未來需要具備對空間位置和時間變化的感知能力，比如判斷一個杯子是否快要從桌邊掉下去。這類時空理解對于未來AI機器人在現實中完成任務至關重要。王仲遠認為，這種面向物理世界的原生多模態模型，將是實現真正“物理 AGI”的路徑之一。

具身智能仍處于探索期，類似大語言模型的 GPT-3 之前階段

隨著AI正從數字世界走入真實空間，具身智能正在成為當下另一個熱議的話題和技術攻堅領域，也在陸續誕生各種創業公司。

王仲遠向「藍鯨科技」談到：“具身智能目前仍處于技術探索的早期階段，類似于大模型在 GPT-3 之前的摸索期。”

他提到，當下具身智能面臨多重挑戰。一方面，核心技術路徑尚未明確，如仿真數據利用和“大小腦”融合架構等仍在探索中，技術復雜度遠超智能駕駛。另一方面，數據采集困難是具身智能發展的重要瓶頸。真機數據獲取受限于現有模型能力，形成“循環悖論”，加之真實世界多模態數據雖然豐富，卻難以高效利用。

此外，軟硬件協同復雜，特別是跨本體“大小腦”融合尚未成熟，導致產業落地周期長，缺乏明確的規模化應用。“未來 5-10年，大小腦融合的模型可能會成熟，但不是今天。”王仲遠說。

智源發布的具身大腦RoboBrain 2.0是目前全球最強的開源具身大腦大模型，在多項空間推理與任務規劃指標上超越具身智能領域主流大模型。

RoboBrain2.0官網：https://superrobobrain.github.io

王仲遠透露，“在數據訓練的技術路徑上，智源借鑒了大語言模型的發展思路，更多依靠的是互聯網數據幫助機器人學習智能...再通過強化學習和少量真實世界的數據不斷訓練它的能力，不斷突破具身智能的發展上限。”

他借用了一個視頻比喻：“就像一個小朋友先通過看短視頻學會怎么拆糖果，再通過實際操作（強化學習）逐步掌握這項技能。”

此外，為了讓大模型更好的用起來，此次智源發布了跨本體具身大小腦協作框架RoboOS 2.0，這是全球首個基于具身智能SaaS平臺，可以支持 MCP 的跨本體具身大小腦協作框架，目標是構建具身智能領域的“應用商店”生態。

同時，RoboOS 2.0也是全球首個支持MCP的跨本體具身大小腦協作框架，旨在構建具身智能領域的“應用商店”生態。

王仲遠詳細介紹稱，“RoboOS 2.0實現了小腦技能的免適配注冊機制，顯著降低開發門檻。典型場景下，相關代碼量僅為傳統手動注冊方式的1/10。這使得開發者能夠更容易地貢獻和分享小腦技能。”

目前，RoboOS 2.0與RoboBrain 2.0已全面開源，包括框架代碼、模型權重、數據集與評測基準。且智源研究院已與全球20多家具身智能企業建立戰略合作關系。

對于具身智能接下來的發展趨勢，王仲遠談到，具身智能的大規模商用落地尚需時日。未來 3 年內，突破性的規模化應用最可能首先出現在特定、相對封閉的場景，尤其有大量重復、枯燥甚至危險的任務，非常適合具身智能第一波切入。