智象創始人梅濤演講：提出構建智能體化的全模態世界模型

作者 | ZeR0 編輯 | 漠影 11月5日報道，近日，2026世界頂尖科學家論壇第二屆國際工程智能大會舉行。會上，加拿大工程院外籍院士、智象元一（HiDream.ai）創始人兼CEO梅濤發表演講，提出構建智能體化的全模態世界模型（Agentic Omnimodal World Models），邁向下一代世界智能。AI模型聚合平臺OpenRouter數據顯示，全球大模型調用規模正進入爆發階段。截至今年10月，中國周Token調用量達93萬億，是美國的4.16倍，連續26周位居全球第一。這些數字背後，是AI正從“工具”快速演變為像水、像電一樣的新型社會基礎設施。

與此同時，模型的迭代，正不斷提速。在 2023 年，大模型基本以12個月為週期迭代。隨著遞歸自我改進（RSI）推動AI進入自我加速軌道，模型迭代已按周推進。AI的能力越強，其短板也越不容忽視。在數字智能（Digital AI）領域，從文本交互、代碼編寫到視頻生成，乃至數學研究，AI已達到甚至超越人類專家水平。以數學研究為例，最近OpenAI一次性公開377項數學成果，覆蓋數百個長期懸而未決的開放問題。物理智能（Physical AI）的發展則相對遲緩，受制於物理理解薄弱、交互數據匱乏與閉環執行能力不足等問題。

如何跨越這道橫亙於Digital AI與Physical AI之間的鴻溝，正是下一代人工智能必須回答的時代命題。而世界模型，正是跨越這道鴻溝的橋樑。世界模型的核心，是讓AI理解世界如何運行，並推演未來可能發生的事件。它通過對全模態信息的統一理解與生成，對世界狀態、物理規律和因果關係進行建模，從而實現對真實世界的感知、推演與預測。不同的技術路徑通往世界模型，這成為了AI發展的下一個競爭焦點。當下產業界已經形成大語言、多模態和具身大模型三條演進路線。梅濤認為，三條技術路線並非彼此孤立，長遠來看終將匯流，走向智能體化世界模型（Agentic Omnimodal World Models）。

智能體化世界模型主要有三個部分: 第一，LLM，它是智能體的決策大腦，負責理解意圖、生成推理、制定任務規劃。第二，Omni-Model，也就是通用世界模型。它是世界模擬器：基於LLM的意圖，模擬物理世界的運行，推演行動帶來的後果，並預判下一步動作。第三，Embodied Context，具身上下文。它對接真實的物理環境，負責執行具身行動，同時將真實觀測數據回傳，用於校準世界模型。三者協同，實現「One Token Space, One World」——在同一個Token空間裡，思維世界與物理世界實現統一。而這，正是通往下一代世界智能的關鍵所在。

對世界模型的思考，內化而成了智象的產品哲學與技術基因。智象自研了原生全模態（Unified Transformer）模型架構，讓文本、圖像、視頻、空間、位姿、力觸、傳感器等所有模態，實現統一表徵。基於UiT底座，智象搭建了完整的世界模型矩陣：從圖像模型起步，延伸至視頻模型、交互模型HiDream-O1-World，再到具身模型HiDream-O1-Embodied，完成從靜態圖像、動態視頻，到空間交互、具身行動的能力演進。

智象已經形成了“1+1+3”的商業化架構：底層是原生全模態世界模型矩陣，中間通過企業級模型平臺HiHarness，匯聚自研HiDream-O1全模態系列模型及全球頂尖模型；最上層是三個智能體，包括AIGC的商業營銷智能體HiBurst、影視創作智能體“幀贊”和內容創作智能體vivago。與此同時，智象也在大力推動世界模型在前沿領域的實踐。在具身智能領域，世界模型可規模化合成毫米級高精度動作視頻，突破真機數據成本高、規模小的瓶頸，為真機訓練提供數據供給；在生命科學領域，智象與合作企業通過多尺度生物影像的統一表徵，實現細胞演化的理解與預測，為藥物響應評估提供前置參考，在實驗前篩選更值得驗證的方案。

從生成畫面到構建世界，智能體化的世界模型不是能力的線性升級，而是一次AI演進的全新方向 。當物理規律成為 AI 的底層語言，真正的世界，便會真正向它敞開。