2025年智源大會上，人形機器人成為焦點。智源研究院院長王仲遠表示，人工智能正加速從數(shù)字世界走向物理世界，致力于解決實際生產(chǎn)生活問題。

　　王仲遠認為，大語言模型性能提升逐漸遇到瓶頸，未來發(fā)展方向將從單一的大語言模型轉向多模態(tài)尤其是原生多模態(tài)世界模型。這些模型能夠感知和理解物理世界，從而推動與物理世界的交互。

　　在技術路線方面，智源研究院推出“悟界”系列大模型，包括原生多模態(tài)世界模型Emu3、腦科學多模態(tài)通用基礎模型見微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。

　　關于“世界模型”的核心定義，王仲遠以咖啡杯為例指出，現(xiàn)有模型僅能描述靜態(tài)信息，而無法預測動態(tài)變化。Emu3的核心突破在于建立對物理因果關系的理解，而非簡單拼接多模態(tài)信息。

　　對于具身智能的落地路徑，王仲遠持務實態(tài)度。他肯定了人形機器人的長期價值，但短期內(nèi)四足、輪式等形態(tài)將共存。人形機器人成熟周期較長，現(xiàn)階段穩(wěn)定性仍需提升。

　　針對數(shù)據(jù)悖論問題，王仲遠提出通過互聯(lián)網(wǎng)視頻數(shù)據(jù)訓練基礎能力，再以少量真實數(shù)據(jù)強化學習微調的方法。工廠場景因其封閉性和重復任務特點，成為具身智能首個突破口。

　　關于“大小腦融合”概念，王仲遠表示，當前數(shù)據(jù)量不足以支持該模型訓練，未來5-10年可能實現(xiàn)。具身智能目前泛化性不足，需逐步發(fā)展到具備跨領域泛化能力。

　　MCP、Agent成為人工智能領域熱點話題。王仲遠認為，當基礎大模型達到可用狀態(tài)后，Agent可成為產(chǎn)業(yè)界發(fā)力方向，類似于移動互聯(lián)網(wǎng)APP的發(fā)展趨勢。

　　王仲遠指出，“百模大戰(zhàn)”已收斂至少數(shù)玩家，未來可能出現(xiàn)基于基礎大模型衍生出的垂類模型競爭。具身大模型發(fā)展仍處于早期階段，面臨技術路線分歧和產(chǎn)業(yè)落地挑戰(zhàn)。

　　王仲遠總結，當機器人能夠真正理解物理世界的因果關系時，將是物理AGI的重要里程碑。