悟道 1.0 發布時，學術界對“大模型是通往 AGI 的技術路線”尚未得出統一結論。

現在的具身智能，也處于這個階段。

作者 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

大模型的熱潮之下，一種微妙的瓶頸感，正成為行業共識。

“過往所說的 ‘百模大戰’，更多是大語言模型的競爭，” 智源大會前夕，智源研究院院長王仲遠在與 CSDN 的對話中，開門見山地指出了問題的核心，“而大語言模型受限于互聯網數據的使用，性能雖然還在提升，但速度已大不如前?！?/p>

出路何在？在王仲遠看來，AI 要突破天花板，就必須在“讀萬卷書”（互聯網數據）后，去“行萬里路”（物理世界）。

這并非孤立的判斷。今年三月，：打造“AI 工廠”，迎接“物理 AI”時代，讓 AI 走出屏幕，與現實世界交互。

思考趨于一致，行動便接踵而至。6 月 6 日，CSDN 在北京智源大會現場，見證了王仲遠在他的主題演講中給出的答案。如果說 2021 年的“悟道”系列代表著對技術路徑的探索（“道”），那么他所揭曉的全新“悟界”系列，則亮明了新的野心——用 AI 突破虛擬與現實的邊界（“界”）。

通往這個新世界的橋梁，是多模態。

“我們去年就預判，大模型會從語言模型走向多模態，尤其是「原生多模態世界模型」，它最終的目的，就是為了讓 AI 感知和理解物理世界，進而與這個世界交互，最終推動具身智能的發展?！?王仲遠在對話中，向我們揭示了這條技術路線的本質。

“悟界”并非單一模型，而是一套旨在全面解構、交互物理世界的組合拳：

• 原生多模態世界模型Emu3，這是一個試圖用統一架構理解文本、圖像、視頻的“通用感官”；
  

• 跨本體具身大小腦協作框架RoboOS 2.0與具身大腦RoboBrain 2.0，是智源打造“機器人安卓生態”的野心所在；

• 腦科學模型見微Brainμ，則堪稱最具科幻色彩的一筆，它將 AI 的觸角伸向了我們的大腦，試圖解碼腦電波這一全新的模態；

• 全原子生命模型OpenComplex2，則像一臺深入微觀世界的顯微鏡，在原子層面模擬生命的動態，探索其本質。

從原子到大腦，再到機器人，“悟界”系列是智源對物理世界下的一場全棧式豪賭。但這場豪賭背后，并非只有產品的發布，更有深度的哲學思考。在與王仲遠的對話中，我們得以一窺其藍圖的全貌。

具身智能的“循環悖論”，和一個小女孩的啟示

邁向物理世界，具身智能是繞不開的核心。然而，王仲遠坦言，這個領域正深陷一個棘手的“循環悖論”：硬件不成熟，導致高質量的真實數據稀缺；數據稀缺，使得模型能力羸弱；模型能力弱，又導致商業化落地困難，從而無法反哺硬件的迭代和量產。

這幾乎是一個死循環。如何打破它？

我再次想到了英偉達。今年除了黃仁勛的演講，GTC 還開設了一場，盛請四家歐美機器人龍頭企業老板對此展開激辯，有的認為需要十年，有的認為專用機器人會先行一步，還有人直指未來的星辰大海，聊起了星際旅行。

但王仲遠分享了一個更極具啟發性的觀察，他認為解法或許藏在我們的日常生活中。

“今年春節，我觀察到一個小女孩，沒有任何大人教她，她只是刷了很多短視頻，就學會了自己拆糖果、撕開包裝紙，甚至能把五顆藍莓精準地串在一根牙簽上。”

這個場景極具啟發性：小女孩通過觀看海量的視頻（互聯網數據），在大腦中形成了對任務的理解和規劃，然后再通過自己的小手去實踐（強化學習），失敗幾次，最終成功。這與大模型的發展路徑不謀而合——通過海量數據預訓練獲得基礎能力，再通過強化學習激發更高階的智能。

智源選擇的正是這樣一條路徑：讓機器人看“短視頻”學習技能。利用互聯網上取之不竭的人類活動視頻，讓模型學習如何與世界交互，再用有限但寶貴的真實機器人數據進行微調和強化。這或許是破解數據困境，以巧破千斤的關鍵一招。

當我們在對話中問及“世界模型”的內涵時，王仲遠用一個生動的例子再次強調了空間與時間的感知能力。“現在很多模型看到桌邊的咖啡杯，只會描述 ‘一個白色的杯子’。但人類會立刻意識到 ‘它在邊緣，很危險’，伸手去拿的時候會小心翼翼，因為我們能預測它跌落的后果。這種時空智能，正是 ‘悟界’ 所追求的。”

做具身智能的“安卓”，而非專用的“iOS”

在向物理世界進軍的道路上，智源亮出了自己的核心戰略。

王仲遠打了一個非常精妙的比方 ：“你可以把它理解成具身智能領域的安卓（Android）系統，就好比 iOS 只能在 iPhone 上運行，但安卓系統能在不同品牌的手機上運行。”

許多機器人硬件廠商，尤其是創業公司，并不具備獨立研發大模型的雄厚資本和人才儲備。前文提到的 GTC 大會圓桌上，這同樣是英偉達目前最頭疼的問題——如何提供一個普惠的、 即插即用的“大腦”？

這不僅僅是一個商業策略，背后是更深層次的哲學思考。王仲遠在對話中進一步向我們解釋了“跨本體”的必要性?！皩τ谝患疑虡I公司而言，可能沒有跨本體的訴求，它的優勢在于用真實的場景和需求持續迭代自己的模型和本體。但是跨本體有沒有用？顯然是有的。人類的大腦和知識，本身就是跨本體的?！?/p>

他認為，人類可以通過語言、文字這些知識載體，將經驗傳遞給不同的人，這就是一種“跨本體”。AI 也應該如此。這種理念，也解釋了為什么是智源來做這件事。王仲遠重申了智源的定位：“做高校做不了，企業不愿意做的事”。商業公司需要聚焦于軟硬件結合的垂直整合，而智源作為科研機構，則可以承擔構建通用平臺、探索共通原理的使命。

這種開放的“安卓”模式，承載著智源的判斷：具身智能的“大腦”，不應被任何單一的硬件“身體”所束縛。它應該能適配機械臂、輪式機器人、人形機器人等萬千形態，將智能沉淀在一個通用的基座上。

“大小腦”之辯：融合尚早，協同先行

在具身智能的圈子里，“大小腦融合”是一個熱門甚至有些過熱的概念。許多人暢想一個統一的端到端大模型，能同時負責思考規劃（大腦）和運動控制（小腦）。但當我們問及王仲遠的看法時，他給出了一個非常務實和冷靜的回答。

“未來 5-10 年，大小腦融合的模型可能會成熟，但不是今天，”他對此有一個清醒的判斷，“原因很簡單，數據受限。當前具身智能的數據量，遠不足以支持一個強大的、融合的大小腦模型訓練。”

他認為，理想化的簡潔架構是所有人追求的目標，但不能脫離現實。在當前階段，強行融合反而會顧此失彼。因此，在采訪中他清晰地界定了智源當下的策略：讓“大腦”和“小腦”先協同工作。

“智源研發的具身大腦 RoboBrain，主要負責和人類交互、感知環境、規劃和拆解任務。然后，它再把拆解后的具體執行指令，交給機器人本體上訓練的‘小腦’去完成?！?/p>

這種端云協同的務實路線，一方面最大化了云端“大腦”的強大思考能力，另一方面也承認了本體端“小腦”在快速響應和精準控制上的重要性。這體現了一種工程智慧：在通往終極目標的路上，先用有效的協同方案解決當下問題，而不是空等一個尚不存在的“完美模型”。

那么，具身智能的這場競賽，究竟進行到了哪一步？

王仲遠將當前階段類比為大模型爆發前的技術探索期。“悟道 1.0 發布時，學術界對 ‘大模型是通往 AGI 的技術路線’ 尚未得出統一結論。現在的具身智能，也處于這個階段。”

技術路線尚未收斂，產業格局也遠未明朗。面對車企、大廠紛紛入局的激烈競爭，王仲遠拋出了一個生動的比喻：“具身智能的 ‘小組賽’ 還沒結束，遠沒有到 ‘淘汰賽’?，F在談誰會主導，為時過早?！?/p>

他認為，每一方都帶來了不同的視角和理念，思想的碰撞恰恰是產業發展最需要的。

對于未來，王仲遠在采訪的最后給出了他的預測。他認為，未來 3 年，具身智能最可能率先在工廠這樣的封閉場景實現規模化應用?！肮S環境有很多相對固定且枯燥的任務，不適合人類進行，而且能規避當前技術不成熟可能帶來的安全隱患。”他補充道，“很多人覺得機械臂已經很成熟了，但我們調研發現，還有大量比如物流分揀、激光打標等工作依然靠人，這些重復、枯燥甚至有危險的勞動，最適合具身智能第一波切入。”

從一個春節期間觀察到的小女孩，到“安卓”與“iOS”的產業思考；從對“大小腦”融合的冷靜判斷，到“小組賽”的格局比喻，王仲遠為我們描繪的，是一個充滿挑戰但也更加廣闊的物理世界。

這條路無疑是漫長的。

但當 AI 不再滿足于數字世界的符號游戲，而是開始真正地感知、理解并嘗試改變我們身處的物理世界時，一個更廣闊、也更激動人心的智能時代，才剛剛拉開序幕。

2025 全球產品經理大會

2025 年 8 月 15–16 日

北京·威斯汀酒店

2025 全球產品經理大會將匯聚互聯網大廠、AI 創業公司、ToB/ToC 實戰一線的產品人，圍繞產品設計、用戶體驗、增長運營、智能落地等核心議題，展開 12 大專題分享，洞察趨勢、拆解路徑、對話未來。

更多詳情與報名，請掃碼下方二維碼。