2026北京智源大會開幕 | 從“悟道”到“悟界”，智源研究院推動人工智能、物理世界和生命科學“三體互動”

2026年6月12日，第八屆“北京智源大會”在中關村國際創新中心開幕。北京智源大會是智源研究院主辦的“AI內行學術盛會”，以“技術前沿、國際視野、青年人才”為特色，匯聚海內外研究者分享研究成果、探尋前沿知識、交流實踐經驗。本屆大會，現代數字安全體系奠基者Whitfield Diffie線下參會，聚焦Agent時代的安全與可信挑戰；強化學習奠基人Andrew Barto追問“交互驅動智能”對於下一代AI系統的意義。30餘位30歲以下青年科學家，40餘位AI企業CEO、創始人與首席科學家，200餘位頂尖專家學者將齊聚北京，中國AI產業世界模型與Agent領域最具代表性的創新力量首次集中同臺。20餘家全球頂尖科技企業及高校科研機構，包括Meta、英偉達、哈佛、MIT等，將與阿里、騰訊、小米、生數科技、面壁智能、清華、北大、人大等中國AI行業最核心的創新力量同場交流。同時，大會還匯聚數百位全球AI領域學術中堅力量，一同圍繞世界模型、通用智能體、具身智能、AI安全、AI Native教育、Token經濟與OPC、智能計算底層架構等前沿方向展開精彩演講和前瞻性對話。開幕式由智源研究院理事長黃鐵軍主持。智源研究院院長王仲遠做2026年研究進展報告，發佈智源研究院在基座大模型、智能體、基礎軟硬件生態等前沿技術領域的探索成果和開源生態建設的最新動態。自2018年成立以來，智源研究院先後發佈了“悟道”系列大模型和“悟界”系列大模型，構建了自底向上的全棧大模型開源技術體系。無論是在大模型發展的早期，還是在物理AI的全新時期，智源研究院始終在引領人工智能大模型的前沿研究探索。截至目前，智源開源模型超200個，全球總下載量累計超過10億次。同時也孵化了一系列在大模型領域和具身智能領域非常具有代表性的創新創業企業。2024年智源大會上，智源發佈了對於人工智能尤其是大模型技術的演化路徑的預判。當下，人工智能正沿著從大語言模型向多模態大模型再向世界模型演進的方向，加速從數字世界邁向物理世界。過去一年裡，智源在基座大模型、智能體以及基礎軟硬件生態三個領域取得令人矚目的科研進展。基於智源在多模態大模型以及世界大模型上的探索，智源研究院系統性地梳理了世界模型發展歷程，以及對現有世界模型技術的四大分類，並介紹了正在研發中的悟界·Physis。 基座大模型2024年智源大會發布的“悟界”系列大模型，旨在解決人工智能從數字世界邁向物理世界的關鍵能力，並且構建面向物理世界的人工智能基座模型。2025年10月正式發佈的悟界·Emu3.5僅基於“預測下一個詞元（Next-Token Prediction）”，實現了大規模文本、圖像和視頻的統一學習，實現了多模態理解和生成任務的統一學習，這一原創性的成果在今年1月份刊發於Nature正刊，創造了國產多模態大模型的眾多紀錄。今年，智源大會也帶來了一系列創新成果發佈：悟界·Brainμ1.0是全球首個理解與生成統一的多模態神經科學大模型，將Next-Token Prediction範式擴展到神經科學領域所構建的多模態腦科學通用基座，由智源聯合清華團隊基於悟界·Brainμ開展的研究成果也已刊發於Science；與悟界·Brainμ1.0一同發佈的還有全球最大最全的AI-Ready神經科學數據集和全球最大的AI-Ready數據平臺BrainToken；悟界·OpenComplex2.5是可泛化、物理真實的下一代AI驅動藥物發現模型，能精確解析IDP靈活構象，系統性賦能創新藥物研發全鏈路，以單一模型覆蓋製藥四大關鍵步驟。悟界·Physis-v0.1是全球首個通用世界基座模型，以統一物理狀態學習，實現物理正確、動作因果可溯、長程一致、通用泛化，最終達到全垂類場景應用。 智能體針對具身智能面臨的硬件不成熟、數據短缺、模型能力弱、落地應用難的四大挑戰，智源構建了自底向上的全棧具身智能技術體系，並先後發佈了悟界·RoboBrain和悟界·RoboOS。智源正在研發中的悟界·RoboBrain Orca，以預測下一個物理狀態為核心來構建具身大腦，融合了大量Ego-centric交互數據，強化世界模型的具身表徵，提升下游少樣本和跨場景泛化的能力。同時，結合智源研究院作為科研機構的屬性以及在科研項目上的佈局，智源推出了四款自主研發的智能體，它們分別面向心臟輔助診斷、科學發現、個人專屬助理以及生物安全防護等領域。 基礎軟硬件生態智源與開源社區共建了眾智FlagOS，將企業面臨的“M款模型與N款芯片”適配難題簡化為“多模型+多芯片”的統一接入解決方案。FlagOS2.1能夠支持18家芯片廠商的32款芯片，是全球覆蓋芯片數量最多的計算系統軟件棧。FlagOS的算子總數已超過600個，並且仍然在快速增長。同時FlagOS還能夠支持18家芯片廠商的統一編譯器和12家芯片廠商的統一通信庫。目前，FlagOS的生態成員已經超過80餘家，全球下載量超過37.5萬次，觸及開發者5.6萬人。 悟界系列大模型：面向物理世界構建的人工智能基座模型如今，隨著多模態模型的研究深入，人工智能正經歷一場重大的範式變革，正在從“預測下一個詞元”演進到“預測下一個物理狀態”，這是世界模型的核心本質。智源研究院是國內最早提出並開展世界模型研究的科研機構。2023年智源大會上，楊立昆（Yann LeCun）就闡述了新一代世界模型的概念；2024年智源大會上，智源研究院提出的人工智能大模型技術路線預判，明確指出世界模型是下一代大模型技術；2024年發佈的悟界·Emu3和2025年發佈的悟界·Emu3.5，更是全球首個原生多模態世界模型。基於在大模型領域持續的技術積累與前瞻佈局，2026年智源推出了悟界·Physis-v0.1。悟界·Physis的誕生正是基於智源對人工智能發展路徑的判斷以及從“悟道”到“悟界”的技術傳承與延續。隨著大語言與多模態技術日趨成熟，未來人工智能的發展重心將進入世界模型時代。 智源認為，現有世界模型相關的技術路線可分為四類：第一類是以語言為中心的世界模型，包括VLM、VLA，模型在文本空間中預測下一個詞，學到的是語言描述的世界，並不能理解背後的物理後果；第二類是以像素為中心的世界模型，像Sora和Seedance等視頻生成類模型，在視覺空間中學習視頻或圖像，學到的是像素描述的世界；第三類是以三維結構為中心的世界模型，包括3D重建以及李飛飛團隊的World Labs Marble模型，不過模型重建3D空間不等於理解世界，幾何結構也不代表物理狀態；第四類是以視覺表徵為中心的世界模型，比如楊立昆的JEPA系列模型，預測的是視覺表徵的壓縮，但視覺嵌入演化不等於物理規律演化。在智源看來，世界模型作為面向真實物理世界的下一代基座模型，以“預測下一物理狀態”為核心，代表著人工智能的下一個重要範式躍遷。世界模型不僅能感知、理解、推理真實物理世界的時間、空間、物理規律和物理常識，同時能涵蓋文本、視頻、深度、力覺、感知等全模態數據，還具備主動交互能力，能夠支撐各種物理世界的下游應用。 1 智源“悟界”系列基座大模型 推動數字世界和物理世界加速融合 悟界·Emu悟界·Emu是智源從“悟道”邁向“悟界”的標誌性里程碑。Emu3於2026年1月登上Nature正刊，是我國科研機構主導的大模型成果首次在Nature正刊發表。在此基礎上，Emu3.5完成關鍵升級，從“預測下一個詞元”進一步擴展到跨視覺與語言序列的“下一狀態預測”，以純自迴歸框架原生實現文本、圖像、視頻的統一理解與生成，打破傳統多模態技術路線的模態孤島與架構割裂。它內置時空關係、因果邏輯與物理世界演化規律建模能力，不僅攻克了生成內容違背真實世界物理規則的行業痛點，更補齊了AI從數字世界走向物理世界的技術缺失，兼具頂級學術價值與底層產業支撐價值。 悟界·Brainμ悟界·Brainμ1.0是全球首個理解與生成統一的多模態神經科學大模型，旨在從世界模型出發，構建多模態腦科學通用基座。模型可將人類、獼猴、小鼠跨物種，EEG、fMRI、MEG、fNIRS、神經像素、鈣成像等全模態腦信號，統一編碼為標準Token，實現數據格式歸一，並通過多模態對齊，將腦信號Token與語言、圖像、視頻等通用模態對齊，嵌入預訓練大模型，充分釋放大模型知識表達與泛化能力。此外，全球最大的AI-Ready神經科學數據平臺悟界·BrainToken，匯聚全球開源神經科學數據並完成全量Token化總量突破萬億級別。Brainμ1.0可利用數據Token化，解決神經科學領域數據孤島（複雜、稀疏、不對齊等）問題，降低神經疾病診斷成本，輔助篩查診斷阿爾茲海默症、抑鬱症、帕金森等疾病。目前，悟界·Brainμ已用於AI輔助科學家分析數據，支撐“記憶-睡眠”調控機制研究成果登刊Science。 悟界·OpenComplex悟界·OpenComplex2.5是下一代AI驅動藥物發現模型，重點解決固有無序蛋白（IDP）動態構象難以解析的問題。它通過可泛化、物理真實的端到端全原子分佈建模，精準捕捉IDP靈活、多變的構象狀態，突破傳統靜態結構分析在高動態靶點研究中的侷限，為神經退行性疾病等難成藥靶點研究提供新的技術路徑。模型統一覆蓋藥物研發中的四個關鍵步驟：口袋識別、反向篩選、結構預測和親和力預測。在口袋識別環節，在靶點蛋白中定位可成藥口袋，實現高質量的口袋檢測、對多樣化靶點具有魯棒性、提升命中發現效率；在反向篩選環節，為給定化合物尋找潛在靶點，實現基於大規模靶點庫搜索、對精準的靶點排序、加速化合物再利用和脫靶評估；在結構預測環節，預測蛋白-配體複合物的三維結構，實現高精度三維結構預測、捕捉關鍵相互作用、可靠用於下游分析；在親和力預測環節，可準確估算結合親和力相關指標的相對變化趨勢，並可泛化至不同化學空間和靶點類型，支持先導化合物篩選與優化。 悟界·Physis悟界·Physis-v0.1是全球首款通用世界基座模型，構築真實物理世界人工智能底層核心引擎，重塑AI物理感知與推演的底層技術體系。悟界·Physis-v0.1徹底打破傳統AI垂類場景專用的技術瓶頸，針對性解決行業共性難題，能有效彌補主流人工智能模型不懂真實物理規則、物理推演結果可信度低、長程時序記憶缺失的核心短板，以通用基座能力實現全場景物理交互、感知與決策的統一，從根源提升AI物理推理的真實性與可靠性。依託獨創技術架構構建行業領先壁壘，悟界·Physis-v0.1以物理隱空間表徵替代傳統像素、幀級預測方案，實現跨場景通用物理規律強化學習。搭載專屬物理狀態編碼器，可完成視頻、深度RGB、3D點雲、力觸反饋等全模態信息壓縮，統一轉化為標準化隱空間物理狀態 Latent State。模型支持50+複雜物理場景長程推理，具備物理一致性、動作因果性、長程可推演性、通用泛化性四大核心能力，憑藉高效的推理效率與極強的泛化能力，達到行業領先水平，可廣泛應用於嚴肅工業、具身智能、物理仿真、科學研究等真實物理場景。 悟界·RoboBrain Orca悟界·RoboBrain Orca 是以下一個物理狀態預測為核心的具身大腦，構建 “統一表徵 — 建模 — 預測 — 交互” 完整閉環，實現從 Next Token / Frame / Action Prediction 升級為 Next Physical State Prediction，徹底打破傳統AI僅能理解文本的侷限，推動 AI 從理解文本走向感知、預測與交互物理世界，並融合大量Ego-centric交互數據，強化了世界模型的具身表徵，有效提升下游少樣本與跨場景的泛化能力。悟界·RoboBrain Orca具備統一表徵、因果推演、模態解碼三大核心能力，可同時生成語言思考、視覺預測與動作決策，實現“想、看、動”三位一體，賦予具身智能機器人打通“認知—預測—行動”完整鏈路的能力，支撐具身智能機器人在物流場景、酒店服務場景等真實環境中的長期自主作業。2智能體蓬勃發展智源形成多層次佈局與成果自2024年起，智源大會便率先關注智能體方向，剖析 LLM 與 Agent 結合所帶來的新系統範式。2025年，大會進一步探討“自主智能體”這一議題，推動 Agent 從“模型應用”走向“智能系統”。2026智源大會討論重點再次升級，關注AI如何穩定、持續、安全地與現實環境交互，並真正參與工作流與社會系統運行。目前，智源基於深厚技術底蘊形成多層次智能體佈局與成果，推出覆蓋心臟輔助診斷、科學發現、個人專屬助理以及生物安全防護的智能體矩陣。 BAAI Cardiac AgentBAAI Cardiac Agent是全球首個面向心臟磁共振的輔助診斷智能體，依託安貞醫院兩千餘例心血管患者超3萬條影像-文本配對多模態數據，構建一站式“結構分割-功能評估-疾病診斷-智能化報告”智能體，推動優質心血管醫療能力普惠可及。BAAI Cardiac Agent不僅能顯著提升CMR影像的解讀效率，同時融合安貞醫院心臟專科醫師的臨床診療經驗，其Agent-Expert系統復刻專家團隊協作式診療流程，最終實現心臟疾病診斷精確度達到安貞醫院頂尖心血管醫生的診斷水平，AUC超0.93。 AREXAREX是面向科學發現的自主研究智能體，致力於推動人工智能從模仿學習向自主學習跨越，讓AI學會自我提升。它面向科研過程中創新思路稀缺、設計實現緩慢、實驗論證繁瑣等痛點，全面降低科研全流程對人類參與的依賴，輔助人類研究，實現自主科學發現。未來，AREX可服務於文獻調研、思路拓展、實驗設計、結果論證與論文撰寫等科研全流程，也可用於人工智能服務的全流程快速構建、自主優化與迭代，並進一步推動人工智能技術賦能基礎學科前沿問題的自主探索與科學發現。 SoulAgentSoulAgent是面向個人用戶的專屬智能體，採用全新自研架構，實現 Token 成本節省30%，資源佔用降低80%。SoulAgent 基於用戶畫像和skill的自進化，可持續成長為用戶的專屬數字專家，滿足用戶個性化服務、長期記憶留存、高私密安全的智能助手核心需求，有效解決傳統通用AI助手不懂用戶習慣、響應適配慢、用戶數據無保障、無法實現長期深度協作的行業痛點，打造專屬化和個性化的智能服務體驗。在智源大會上，SoulAgent 幫助參會者實時聽會、捕捉大會重點、提煉前沿觀點與專家洞察，在並行會議中打造隨時“在場”的智能分身。 面向有害蛋白獲取的風險發現智能體智源推出面向有害蛋白獲取的風險發現智能體，首次打通“計算機模擬推演”與“真實實驗驗證”的完整鏈條（乾溼實驗閉環），驗證了先進AI智能體能夠輔助繞過生物安全篩查機制，將目標有害蛋白序列拆分為多個DNA片段並組裝，最終成功獲取有害蛋白基因序列。針對傳統AI生物安全評估多為事後被動響應，且攻擊路徑難以完整復現的問題，該系統通過主動模擬攻擊者行為，提前識別智能體在生物知識獲取、有害蛋白序列設計等環節的脆弱性，將風險防控從“事後補救”轉為“事前演練”。3全面升級至FlagOS 2.1打造普適、高效、智能的智算基座眾智FlagOS是智源研究院牽頭打造的統一智算系統軟件棧，致力於徹底破解“多模型×多芯片”的適配難題。作為當前全球支持芯片種類最多的智算系統軟件棧，FlagOS統一適配18家芯片品牌的32款芯片型號，覆蓋NVIDIA、NPU、GPGPU、DSA、RISC-V AI、ARM等多種架構，支持“多種模態”“多種場景”大模型在多種AI芯片遷移部署。通過FlagOS的通用算子庫、統一AI編譯器、自動算子生成工具、vLLM多芯片統一插件等關鍵組件，支持90%以上主流開源大模型的多芯片部署，包括DeepSeek、Qwen、面壁MiniCPM、智譜GLM、MiniMaX、混元、階躍Step等。發佈即多芯適配，DAY 0即實現DeepSeek V4、Qwen3.6、MiniMaX M2.7、MiniCPM-o4.5、 MiniCPM5-1B混元Hy-MT2等大模型的多款芯片適配。同時，FlagOS作為全球覆蓋芯片數量最多的智算系統軟件棧，構建了從底層算子到上層框架接入的完整技術體系。在端到端性能極致優化方面，FlagOS拓展Triton-TLE語言能力，已支持華為昇騰、海光、摩爾線程、清微智能、英偉達等多款芯片，極致優化大模型關鍵算子性能；八大算子庫總數超600個，實現從“大模型專用”到“科學計算”的能力延伸，核心組件已進入PyTorch基金會生態項目；FlagCX 通信庫，統一連通10款芯片，並實現全球AI芯片通信的ITU國際標準與國家標準“雙立項”。FlagRelease發佈Express“高速”鏡像版本，可一鍵安裝使用，實現端到端的高速推理。FlagCICD，首個AI多芯片開源集成測試發版平臺。在前沿探索層面，FlagQuantum，高性能量子電路模擬框架，在多種AI芯片、及量子電路的機器學習，邁出“量智融合”的第一步。4圖靈獎得主與中國AI領軍者共話人工智能未來2026北京智源大會開幕式上，圖靈獎得主、美國國家工程院院士、IEEE會士Whitfield Diffie，圖靈獎得主、馬薩諸塞大學阿默斯特分校榮譽退休教授Andrew Barto分別做主題報告。Whitfield Diffie以Security For AI Agents，Security Against AI Agents（護AI智能體之安，御AI智能體之險）為題進行分享。他提出，當前“控制論（反饋）”式的做法是在程序失敗時進行修復，而未來的願景應是開發形式化方法，以大幅提升程序按預期運行的可靠性。Diffie對比了密碼系統因程序規模極小而可充分研究驗證的優勢，指出典型的計算機程序——包括編譯器、操作系統、應用和智能體——規模要大得多，通常已超出人類的驗證能力，人們期望這些任務未來可由AI完成。他強調，當前編程實踐中，對智能體的限制（Confinement）——即保證智能體只能訪問授權資源——在現有編程中仍做得不足。Andrew Barto以Rediscovering Reinforcement Learning（重新發現強化學習）為題，將這一範式的本質歸結為“控制、搜索與聯想記憶”的三位一體——它既是“帶著批評家的學習”，也是“試錯學習”，核心在於“緩存搜索結果”而無需持續搜索。他指出，“機器學習最初就是強化學習”，而“突觸可塑性實現了效果律”；Schultz等人的“獎勵預測誤差假說”則印證，中腦多巴胺神經元的相位性活動所編碼的，正是“新舊預期未來獎勵之間的誤差”。Barto 強調，“強化學習與神經網絡的計算研究從一開始便緊密交織”，二者“均發端於大腦如何運作與學習的假說”，而“深度強化學習的計算能力與大腦獎勵系統的最新成果相結合，指明瞭下一輪進展的方向”。最後，他以“小心你許的願——你可能真的會得到它”發出警示，提醒人們警惕獎勵信號設計中的“反常實例化”風險。智源研究院理事長黃鐵軍與之江實驗室主任、阿里雲創始人王堅圍繞“總有人比時代早十年”展開播客現場對話，由《漫談 Light the Star》創始人衛詩婕主持。對話從中國AI範式演進出發，探討了中國大模型如何從追趕驗證走向路線選擇、體系構建與範式創新，如何突破互聯網文本數據天花板與算力荒的極限狀態，以及從“跟隨國際主流範式”走向“形成自身問題意識”的原創範式躍遷等議題。對話還聚焦Agent時代的新範式——