西湖大学成立世界模型研究中心 布局AI物理智能新方向
2026年10月31日，西湖世界模型研究中心在云谷校区正式揭牌成立。不少人听到这个名字会心生疑惑：既然熟悉“大语言模型”，那“世界模型”究竟是什么？
简单来说，世界模型是继大语言模型之后，人工智能领域兴起的又一热门概念。
过去几年，大语言模型的飞速发展让人们惊叹于它的“博览群书”和“无所不谈”，但能驾驭语言并不等同于理解世界。而世界模型的核心目标，就是赋予人工智能“格物致知”的智慧和“见微知著”的洞见——探索物理世界的规律，推演真实世界的运行逻辑，最终实现从“观世界”到“世界观”的跨越。
2025年末至2026年，李飞飞、杨立昆等多位人工智能领域的领军人物陆续投身世界模型相关的创业项目。几乎就在不久前，谷歌深度思维发布了融合世界模型与推理模型的精灵4，进一步推动了该领域的发展。
西湖世界模型研究中心的成立，释放出一个明确信号：西湖大学将在世界模型领域重点发力。事实上，早在三年前，西湖大学自主智能实验室就已开启了世界模型的研究，并孵化出了相关创业公司，与企业界开展技术落地合作。
该中心的成立大会不仅吸引了一批人工智能研究者，还有近90位业界研发负责人和投资人到场。成立大会后举办的“物理世界模型前沿论坛”，也成为了众人关注的焦点。
那么，世界模型到底是什么？它可能带来哪些改变？作为新事物，人们为何对它讨论不休？这背后还藏着一段西湖大学团队提前布局的故事。
世界模型：从“描述世界”到“推演世界”
早在1990年，强化学习领域的主要奠基人之一理查德·萨顿就给出过世界模型的定义：给定当前状态和动作，预测下一个状态。这意味着，世界模型需要回答的不只是“世界是什么样”，更要回答“世界会怎样”。
如今，让人工智能生成视频已经不算难事，但更难的是，当一个杯子滑向桌边时，模型能否提前判断会发生什么。于开丞曾比喻，过去训练人工智能的方式有点像是让它“背大量考题”，而世界模型则更多是通过“理解”物理世界的规律，最终做出精确的预测。
“卷积神经网络之父”、图灵奖得主杨立昆曾直言：“单纯靠预测文本，人工智能永远无法触及人类级别的智能。我们需要能理解物理现实的模型。”
大语言模型的本质是文字符号的概率预测，而世界模型的目标则是“预测现实世界的下一个状态”，它致力于赋予人工智能时间、空间、因果关系与物理常识。
公众最能感知的早期世界模型雏形，或许是2024年的视频生成模型索拉，其中最经典的画面是一艘木质帆船在咖啡杯里乘风破浪，海浪的波动质感极为逼真，当时索拉被定位为“物理世界的通用模拟器”。
紧接着，自动驾驶领域率先将世界模型落地应用。这类世界模型能生成超逼真的行车视频，甚至可以主动构建恶劣天气、突发事故等“边缘场景”来训练自动驾驶模型，弥补了自动驾驶训练过程中的短板——毕竟现实世界中，无法为了训练模型去制造车祸。
不过，能够生成逼真现实场景，是否就意味着模型真的懂世界？这仍是行业在探讨的问题。团队早期曾开展过雨天模拟的相关工作，用于自动驾驶模型的训练。
技术迭代：从“生成像素”到“概念抽象”
1993年出生于山东的于开丞，性格里带着几分反差：他自称是“阳光开朗的热情大男孩”，但在技术研究上却有着不为人知的“叛逆”特质。2012年高考时，他的成绩足以报考国内顶尖高校，最终却选择了香港大学。在港大以一级荣誉获得工学学士学位后，他前往瑞士洛桑联邦理工学院直攻博士学位，研究方向聚焦自动机器学习。博士毕业后，他先后在英特尔智慧系统实验室、算盘人工智能、阿里巴巴达摩院等机构从事相关领域的研究工作。
在达摩院工作期间，于开丞的核心研究方向是自动驾驶。在实践过程中，他逐渐察觉到传统自动驾驶训练方法的局限性：这类技术本质上是“死记硬背”，高度依赖训练数据集，对于“题库”中出现过的场景，模型能够正常处理，但一旦遇到现实中罕见的突发状况，就很容易出现失误。
2023年，于开丞离开阿里巴巴，加入西湖大学，组建了自主智能实验室，正式开启世界模型方向的研究。在当时，世界模型还属于人工智能领域中相对冷门的概念，远未像如今这般火热。
针对自动驾驶长尾场景训练的难题，当时行业内主要有两种解决思路：第一种是生成合成数据，制造出罕见场景的样本，再将这些样本输入模型进行训练；第二种是从根源上让模型学会触类旁通，具备推演未知场景的能力，显然后者的技术难度要高得多。
刚到西湖大学时，于开丞和团队优先选择了难度相对较低的第一种思路展开探索，通过生成极端场景的视频来训练自动驾驶模型。这条路径很快就取得了成果：2024年，他们拿下了欧洲计算机视觉国际会议自动驾驶赛道的世界冠军，得分远超第二名。
在与国内某一线车企开展深度技术部署的过程中，于开丞和团队开始对这条路线的根基产生怀疑：既然模型已经能够生成逼真的数据，说明它已经在一定程度上理解了现实世界，那么继续渲染像素又有什么意义呢？
2024年底，自主智能实验室转向了新的技术路线，提出了“概念世界模型”的理念：不再生成具体的像素画面，而是在抽象的数学隐空间中建立物理概念的表征。于开丞解释道，此时的模型需要像人类一样，将复杂场景拆解为有限的基础概念，再将这些概念重新组合，从而“理解”训练数据中从未完整出现过的新场景。
换句话说，“概念世界模型”会将复杂的物理环境、物体属性、空间关系以及动作后果，拆解为可复用的物理概念，比如空间关系、材质特性、接触状态等。当遇到全新场景时，模型不需要重新学习整个场景，而是将已有的概念在隐空间中重新组合，以此进行推演。
2025年，团队在实验中观察到，当概念拆解与关联机制建立后，模型在复杂任务上的成功率相比传统模仿学习与强化学习基线有了显著提升，同时还保持了较低的预测成本。
这是一种隐式世界模型的技术路线，自主智能实验室也成为国内少数完成初步验证的团队之一，这些研究进展为后续孵化公司奠定了基础。
多元应用：从自动驾驶到通用物理智能
2026年初，西湖数智奥莫正式成立。这家公司定位为物理世界的基础大模型公司，对标大语言模型，目标是打造原生的物理大模型，而非仅仅为车企交付定制化解决方案。自主智能实验室研发的“概念世界模型”，在2026年有了正式名称——奥莫。奥莫在四项国际权威机器人评测集中均登顶第一，进一步验证了该路线在环境扰动、精细操作以及长时序任务上的泛化能力。
目前，这家初创公司已经拿到了累计超亿元的种子轮、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、金蚂投资等硬科技投资机构。
自动驾驶只是世界模型的应用场景之一。世界模型还可以成为机器人的“物理大脑”，当面临复杂扰动时，机器人能在潜空间里快速推演物体属性与动作后果，精准完成抓取、装配以及长时序协同任务。
更大的变化还将出现在数据训练模式上：传统的人工智能训练需要海量的训练数据，这意味着极高的算力成本。但在于开丞的设想中，如果依托通用物理基座，下游开发者或小企业不再需要采集百万级小时的数据，可能仅需20至30小时的后训练，就可以快速定制特定领域的模型。
从长远来看，世界模型最终将服务于普通人的个性化创造需求，这是于开丞坚信的一点。由于不需要承担海量训练的负担，用户可以利用“模型构建世界”的能力，像搭建私人车库手工作坊一样，自己搭建专属于自己的私人机器人或个性化智能助手。
所有这些应用，都可以理解为人工智能在面对世界时试图做出的行动，而所有行动都会留下轨迹。这也是为什么于开丞同时也在研究古老的书法：中国汉字是象形文字，具有天然的结构感与空间感，汉字从甲骨文发展至今，本质上就是将现实世界的实体压缩成二维平面符号的过程。“甲骨文就是最早的隐空间。”于开丞说道。
而将意图或概念转化为笔画的过程，与机器人进行动作控制、轨迹规划背后的数学逻辑在底层是相通的。几千年过去了，我们依然在试图抽象出这个世界的法则，只是换了不同的工具而已。
西湖世界模型研究中心简介
西湖世界模型研究中心是西湖大学面向物理智能领域设立的校级交叉科研平台，于2026年10月正式成立。该中心由于开丞教授担任主任，金耀初院士担任首席科学家，并有多位研究负责人共同承担各方向的研究任务。中心聚焦世界模型与物理智能领域，致力于突破智能系统理解物理规律、预测环境变化以及开展交互决策的核心瓶颈，打造具有国际引领性的物理智能学术高地与创新引擎。中心以世界模型为核心研究方向，探索感知、认知、预测与行动相结合的智能体系，推动人工智能在真实环境中形成理解世界、推演未来与自主行动的能力。依托西湖大学的科研基础与交叉学科优势，中心将汇聚多领域的研究力量，促进基础理论、关键技术与应用探索的协同发展，研发能够理解物理规律、预测行动后果并在真实反馈中持续学习的通用世界模型，支撑我国在新一代人工智能领域的自主创新与前沿布局。
