在人工智能領(lǐng)域的一次重大突破中，智源研究院于2025年6月6日在北京成功舉辦了第七屆智源大會，會上震撼發(fā)布了“悟界”系列大模型。這一系列模型標(biāo)志著智源研究院在探索多模態(tài)、腦科學(xué)、具身智能以及微觀生命分子建模四大核心方向上邁出了堅(jiān)實(shí)的步伐。
自2018年成立以來，智源研究院作為中國新型科研機(jī)構(gòu)的典范，不僅開辟了國產(chǎn)大模型的技術(shù)新路徑，還激發(fā)了中國AI大模型創(chuàng)業(yè)生態(tài)的首波熱潮。眾多初創(chuàng)公司如雨后春筍般涌現(xiàn)，其中不乏由楊植麟、豈凡超、曾國洋等曾在“悟道1.0”與“2.0”項(xiàng)目中歷練成長的新一代AI創(chuàng)業(yè)者，他們已成為中國AI大模型領(lǐng)域的中堅(jiān)力量。
“悟界”系列模型的發(fā)布，是智源研究院在“悟道”之后的又一里程碑。與以往聚焦于數(shù)字世界的語言、圖像等不同，“悟界”將探索的觸角延伸至真實(shí)世界的感知、決策與交互，旨在突破虛實(shí)世界的邊界，賦能物理世界，并向物理AGI（通用人工智能）邁進(jìn)。
智源研究院院長王仲遠(yuǎn)在接受專訪時，深入闡述了“悟界”背后的研究邏輯、技術(shù)布局與未來方向。他提到，“悟界”系列涵蓋了原生多模態(tài)世界模型Emu3、腦科學(xué)多模態(tài)通用基礎(chǔ)模型見微Brainμ、跨本體具身大小腦協(xié)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，幾乎囊括了當(dāng)前AI與人類核心認(rèn)知結(jié)構(gòu)、現(xiàn)實(shí)物理世界交互及生命本質(zhì)建模的所有前沿探索。
王仲遠(yuǎn)指出，當(dāng)前大語言模型的發(fā)展已遭遇瓶頸，互聯(lián)網(wǎng)數(shù)據(jù)趨于飽和，模型性能提升緩慢，且多模態(tài)融合存在“此消彼長”的問題。為了突破這一困境，“悟界”系列引入了更多真實(shí)世界的信息，如圖像、聲音、三維空間結(jié)構(gòu)乃至人腦活動信號，探索“原生多模態(tài)”的新方法，使AI從一開始就具備綜合理解各種信息的能力。
Emu3作為原生多模態(tài)世界模型的代表，能夠?qū)⑽淖?、圖片、視頻轉(zhuǎn)化為同一種“語言”處理，從而更順暢地理解和生成不同形式的內(nèi)容。同時，見微Brainμ模型能將腦信號轉(zhuǎn)化為模型可處理的“語言”，并與圖像和文本進(jìn)行跨模態(tài)多向映射，進(jìn)一步拓寬了AI的應(yīng)用邊界。
王仲遠(yuǎn)還強(qiáng)調(diào)，未來大模型需要具備對空間位置和時間變化的感知能力，這對于AI機(jī)器人在現(xiàn)實(shí)中完成任務(wù)至關(guān)重要。他認(rèn)為，面向物理世界的原生多模態(tài)模型將是實(shí)現(xiàn)真正“物理AGI”的路徑之一。
在具身智能領(lǐng)域，王仲遠(yuǎn)表示，盡管該技術(shù)仍處于探索早期，類似于大模型在GPT-3之前的階段，但已吸引了眾多創(chuàng)業(yè)公司的關(guān)注。然而，具身智能仍面臨多重挑戰(zhàn)，包括核心技術(shù)路徑不明確、數(shù)據(jù)采集困難以及軟硬件協(xié)同復(fù)雜等。
為了推動具身智能的發(fā)展，智源研究院發(fā)布了全球最強(qiáng)的開源具身大腦大模型RoboBrain 2.0，并在多項(xiàng)空間推理與任務(wù)規(guī)劃指標(biāo)上超越了主流大模型。同時，他們還推出了跨本體具身大小腦協(xié)作框架RoboOS 2.0，這是全球首個基于具身智能的SaaS平臺，旨在構(gòu)建具身智能領(lǐng)域的“應(yīng)用商店”生態(tài)。
RoboOS 2.0實(shí)現(xiàn)了小腦技能的免適配注冊機(jī)制，顯著降低了開發(fā)門檻，使得開發(fā)者能夠更容易地貢獻(xiàn)和分享小腦技能。目前，RoboOS 2.0與RoboBrain 2.0已全面開源，并與全球20多家具身智能企業(yè)建立了戰(zhàn)略合作關(guān)系。
對于具身智能的未來發(fā)展趨勢，王仲遠(yuǎn)認(rèn)為，雖然大規(guī)模商用落地尚需時日，但在未來三年內(nèi)，突破性的規(guī)?；瘧?yīng)用最有可能首先出現(xiàn)在特定且相對封閉的場景中，尤其是那些需要大量重復(fù)、枯燥甚至危險任務(wù)的領(lǐng)域。
