4位圖靈獎得主布道，2大冠軍機器人登臺，“AI春晚”果然又高又硬

白交 發(fā)自 北京

量子位 | 公眾號 QbitAI

什么？人形機器人冠軍們竟然同臺了——

此前榮獲半程馬拉松長跑冠軍天工、拳擊冠軍宇樹G1，首次在智源大會相遇，并且各自還秀上了一波技能。

首先來看宇樹，雖然身形小巧，但是打拳動作十分靈活，感覺多日不見技藝精進了不少。

而這邊天工機器人迎來了2.0版本，「長腿」運動員已經(jīng)成為過去式，轉而到室內做起家務來，現(xiàn)場為大家準備起甜點來。

沒想到天工你，還有另外一幅面孔？！

此外，還遇上了銀河通用的機器人在現(xiàn)場取貨送貨。僅需你的一句語音指令，它就完成這些操作。

如果不看大會名字，可能還以為這又是在哪里舉辦的機器人盛會。

而這，就是一年一度的“AI春晚”啟幕現(xiàn)場，跟往屆一樣規(guī)格拉滿~

剛剛官宣再次創(chuàng)業(yè)后首次亮相的Bengio，談到了AI安全，面對當前大模型已經(jīng)呈現(xiàn)出類生物主體行為，他提出了雙重解決方案：

一是研發(fā)以無私科學家為原型的非代理性、可信賴人工智能系統(tǒng)，專注于理解世界而非自主行動；二是推動全球協(xié)同治理，建立國際監(jiān)管框架與技術驗證機制。

此外，強化學習之父Richard Sutton、姚期智、Joseph Sifakis在內四位圖靈獎得主坐鎮(zhèn)，Physical Intelligence創(chuàng)始人以及Linux執(zhí)行董事都來了。

而國內當前最受矚目的明星公司和明星機器人也都一一亮相。

這邊大佬們思想碰撞，那邊機器人摩拳擦掌，看點多多，干貨也滿滿。

每次智源大會都會有重磅發(fā)布，此次首次亮相的“悟界”系列大模型，它包括四款模型——

• 原生多模態(tài)世界模型Emu3；
• 全球首個腦科學多模態(tài)通用基礎模型見微Brainμ；
• 具身大腦RoboBrain 2.0；
• 全原子微觀生命模型OpenComplex2。

可以看到，不僅有世界模型、還有腦科學模型，跨度從宏觀世界到微觀世界……咱就是說已經(jīng)有點眼花繚亂了。

悟界系列大模型

此次智源大會一大亮點是重磅發(fā)布了“悟界”系列大模型。這是悟界的首次亮相，也是智源正式從悟道到悟界的跨越，此前悟道系列模型已經(jīng)來到了3.0版本。

對于此次「跨越」，智源研究院院長王仲遠表示，這是件水到渠成的的事情，背后源于對于技術趨勢的判斷：

大模型正在從大語言模型向原生多模態(tài)大模型，向世界模型方向演進。悟道的“道”代表了大語言模型系統(tǒng)化方法和路徑的探索，而悟界的“界”則代表了虛實世界邊界的不斷突破。

核心變化在于兩個方面：

從數(shù)字世界邁向物理世界，過去的“悟道”系列大模型主要利用互聯(lián)網(wǎng)數(shù)據(jù)進行訓練，從而掌握了理解數(shù)字世界知識的能力。而“悟界”的目標是旨在讓人工智能能夠感知和理解物理世界，首先推進與物理世界的交互，解決實際生產(chǎn)生活中的問題。

從理解宏觀世界到探索微觀世界，在進入物理世界后，模型也就不僅僅關注宏觀層面，比如具身智能，同樣也關注微觀層面，比如幫助進一步揭示世界以及生命的本質。

因此，基于這樣的判斷，整個“悟界”系列其實是圍繞“物理AGI”方向的探索。

具體來看。

第一款模型就是去年10月份就發(fā)布的全球首個原生多模態(tài)世界模型Emu3。它實現(xiàn)了三個「統(tǒng)一」，包括統(tǒng)一了多模態(tài)學習，統(tǒng)一了文字、圖像、視頻等這些原生模態(tài)，統(tǒng)一了理解和生成能力。

它無需擴散模型或組合式架構的復雜性，通過研發(fā)新型視覺tokenizer將圖像/視頻編碼為與文本同構的離散符號序列，構建模態(tài)無關的統(tǒng)一表征空間，實現(xiàn)文本、圖像、視頻的任意組合理解與生成。

基于Emu3下一個token預測這種極簡的思想以及自回歸架構，模態(tài)容易擴展，同時進行可控的交互。

比如拓展腦信號這種模態(tài)。這也就是悟界第二款模型：全球首個腦科學多模態(tài)通用基礎模型見微Brainμ。

基于Emu3的底層架構，將fMRI、EEG、雙光子等神經(jīng)科學與腦醫(yī)學相關的腦信號統(tǒng)一token化，利用預訓練模型多模態(tài)對齊的優(yōu)勢，可以實現(xiàn)多模態(tài)腦信號與文本、圖像等模態(tài)的多向映射，并實現(xiàn)跨任務、跨模態(tài)、跨個體的統(tǒng)一通用建模，以單一模型完成多種神經(jīng)科學的下游任務。

作為神經(jīng)科學領域跨任務、跨模態(tài)、跨個體的基礎通用模型，Brainμ可同步處理多類編解碼任務，兼容多物種動物模型（包括小鼠狨猴獼猴）與人類數(shù)據(jù)，實現(xiàn)科學數(shù)據(jù)注釋、交互式科學結論解讀、大腦感覺信號重建及模擬刺激信號生成。

在自動化睡眠分型、感官信號重建與多種腦疾病診斷等任務中，作為單一模型其性能顯著超越現(xiàn)有的專有模型，實現(xiàn)了SOTA。

最終以單一模型完成多種神經(jīng)科學的下游任務，比如科學數(shù)據(jù)注釋、交互式科學結論解讀、大腦感覺信號重建及模擬刺激信號生成。

目前，智源正在與國內前沿的基礎神經(jīng)科學實驗室、腦疾病研究團隊和腦機接口團隊深入合作，包括北京生命科學研究所、清華大學、北京大學、復旦大學與強腦科技BrainCO，拓展Brainμ的科學與工業(yè)應用。

以上就是智源研究院在多模態(tài)基礎模型上面的探索。通過多模態(tài)基礎模型，可以讓AI真正感知、理解世界，進一步與這個世界進行交互，這就推動了具身智能的發(fā)展。

王仲遠談到了當前具身智能發(fā)展面臨的四大瓶頸，包括硬件不成熟、數(shù)據(jù)短缺、模型能力弱、以及落地應用難。

這其實構成了一種循環(huán)悖論，那么如何破局？

智源研究院選擇的突破口是模型。當前具身智能模型仍然面臨著不好用、不通用以及不易用的特點。

不好用指的是具身大模型還遠沒有到ChatGPT的時刻；不通用指的是具身大模型很多都只能用于一個本體，或者同一品牌的本體；不易用指的是大小腦本體的適配難度比較高。

隨著跨本體具身大小腦協(xié)作框架RoboOS 2.0與具身大腦RoboBrain 2.0的發(fā)布，這些痛點都得到了一一解決。

相較于1.0版本，2.0在很多能力方面都有升級。

據(jù)介紹，RoboOS 2.0是全球首個基于具身智能SaaS平臺的開源框架，它支持無服務器一站式輕量化機器人本體部署，同時，RoboOS 2.0也是全球首個支持MCP的跨本體具身大小腦協(xié)作框架，旨在構建具身智能領域的“應用商店”生態(tài)。

在該框架下，可一鍵下載并部署來自全球開發(fā)者創(chuàng)建的相同型號機器人本體的小腦技能，完成大小腦的無縫整合。RoboOS 2.0實現(xiàn)了小腦技能的免適配注冊機制，顯著降低開發(fā)門檻，典型場景下，相關代碼量僅為傳統(tǒng)手動注冊方式的1/10。

相較于1.0，RoboOS 2.0對端到端推理鏈路進行了系統(tǒng)級優(yōu)化，整體性能提升達30%，全鏈路平均響應時延低至3ms以下，端云通信效率提升27倍。

在功能層面，新增了多本體時空記憶場景圖（Scene Graph）共享機制，支持動態(tài)環(huán)境下的實時感知與建模；同時引入多粒度任務監(jiān)控模塊，實現(xiàn)任務閉環(huán)反饋，有效提升機器人任務執(zhí)行的穩(wěn)定性與成功率。

再來看具身大腦RoboBrain 2.0，相比1.0，在多項空間推理與任務規(guī)劃指標上超越主流大模型。

實驗數(shù)據(jù)顯示，RoboBrain 2.0的任務規(guī)劃準確率相較RoboBrain 1.0實現(xiàn)了74%的效果提升。

在空間智能方面，RoboBrain 2.0在原有可操作區(qū)域（Affordance）感知與操作軌跡（Trajectory）生成能力的基礎上，實現(xiàn)了17%的性能提升。同時，RoboBrain 2.0增加了空間推理能力（Spatial Referring），既包含機器人對相對空間位置（如前后、左右、遠近）及絕對距離的基礎感知與理解能力，也實現(xiàn)了對復雜空間的多步推理能力。

此外，RoboBrain 2.0還新增了閉環(huán)反饋以及具身智能的深度思考能力——

閉環(huán)反饋使機器人能夠根據(jù)當前環(huán)境感知和任務狀態(tài)，實時調整任務規(guī)劃與操作策略，以應對復雜環(huán)境中的突發(fā)變化和擾動；深度思考能力則支持機器人對復雜任務進行推理分解，進一步提升整體執(zhí)行準確率與任務完成的可靠性。

現(xiàn)在，RoboOS 2.0與RoboBrain 2.0已全面開源，包括框架代碼、模型權重、數(shù)據(jù)集與評測基準。目前，智源研究院已與全球20多家具身智能企業(yè)建立戰(zhàn)略合作關系。

真實的物理世界不僅包括宏觀世界，還包括微觀世界。如果說具身智能解決的是宏觀世界的各種需求，那么AI在微觀世界的賦能，就可以是生命科學。

悟界系列第四個模型是OpenComplex2全原子微觀生命模型。

當下AI模型對蛋白質結構的預測就像一張張靜態(tài)的幻燈片，但自然界的相互作用更像是持續(xù)變化的動態(tài)視頻。

OpenComplex2基于FloydNetwork圖擴散框架以及多尺度原子精度表示兩大關鍵技術創(chuàng)新，有效突破了生物分子在功能活動中可及的動態(tài)構象分布預測的瓶頸，從而能夠建模生物分子系統(tǒng)中各種原子組分之間復雜的依賴關系，且無需對構象空間施加先驗約束，更加真實地還原生物分子的構象多樣性和動態(tài)特性。

此外，還能同時捕捉原子級、殘基級和基序級（motif level）的相關性，從而在建模過程中兼顧關鍵的局部結構細節(jié)與全局構象變化，為揭示生物功能提供更加全面的結構基礎。

基于這種能力，OpenComplex2在生物分子動態(tài)特性預測、柔性系統(tǒng)及超大型復合物建模、生物分子相互作用精細化分析等關鍵任務中性能卓越，突破了靜態(tài)結構預測的瓶頸。

以上就是悟界系列模型的全部亮相，可以清晰地看到智源研究院的技術路徑以及在這路徑上的相關探索。

除了悟界系列模型之外，在開源模型方面，王仲遠還分享了通用向量模型BGE系列、小時級開源輕量長視頻理解模型Video-XL-2、開源全能視覺生成模型OmniGen模型進展。

下一代AI如何發(fā)展？

本屆智源大會在現(xiàn)場議程和嘉賓設置上，均與往屆有些不同。

大會規(guī)格依然頂級，但顯著的變化在于更多產(chǎn)業(yè)新銳力量的深度參與。例如，首次設立的大模型產(chǎn)業(yè)CEO論壇，就匯聚了面壁、愛詩、生數(shù)、智譜等前沿企業(yè)的創(chuàng)始人與掌舵者，同臺論道。

這側面印證了大模型技術正加速向產(chǎn)業(yè)縱深落地，這些身處一線的玩家走向舞臺中央，釋放其產(chǎn)業(yè)勢能。

不僅嘉賓陣容頂級，機器人展示同樣規(guī)格拉滿，除了開幕式上的人機同臺，會場還設置了AI科研體驗區(qū)，讓人們感知這些技術如何從實驗室來到我們身邊。

下一代AI如何發(fā)展似乎已經(jīng)具象化了，不過具體怎么做？如何做？還得看各方大佬們的觀點和探索。

在本屆智源大會開幕式上，其實已經(jīng)有了不少答案，比如像Bengio提出的安全隱憂需要解決，以及“悟界”所呈現(xiàn)出來對物理世界的感知理解與交互上的探索……

還有強化學習之父Richard Sutton談到了當前正熱的智能體這一形態(tài)的發(fā)展。他表示AI正從依賴人類靜態(tài)數(shù)據(jù)的 “人類數(shù)據(jù)時代” 邁入通過互動與經(jīng)驗學習的 “體驗時代”，強調智能體需像人類和動物一樣從動態(tài)交互中生成新知識，而強化學習是實現(xiàn)這一目標的核心路徑。

此外，他還倡導去中心化合作替代中心化控制，通過信任、協(xié)調和市場機制引導AI與人類共生。

還有Linux基金會執(zhí)行董事Jim Zemlin談到開源的必要性，2025年是開源AI元年，開源正成為全球AI創(chuàng)新核心驅動力。中國企業(yè)，如DeepSeek發(fā)布開源大模型，引發(fā)技術生態(tài)變革，印證開源打破壟斷、加速迭代的作用。

面對當前市場氛圍正酣的具身智能，Physical Intelligence聯(lián)合創(chuàng)始人兼CEO Karol Hausman認為，VLA模型是關鍵突破，可讓機器人通過互聯(lián)網(wǎng)數(shù)據(jù)學習，無需體驗每個場景，還能與其他機器人連接獲取數(shù)據(jù)。

此外他還與宇樹科技創(chuàng)始人王興興，銀河通用創(chuàng)始人兼CTO、北京大學助理教授、智源具身智能研究中心主任王鶴，穹徹智能聯(lián)合創(chuàng)始人、上海交通大學教授盧策吾，北京人形機器人創(chuàng)新中心總經(jīng)理熊友軍，就具身智能的不同技術路線、商業(yè)化路徑探索、典型應用場景拓展、產(chǎn)業(yè)生態(tài)構建等議題展開深度討論。

他們認為短期內人形機器人因數(shù)據(jù)采集、人機交互和環(huán)境適應優(yōu)勢是重要載體，長期看隨著AGI發(fā)展會多樣化。對于VLA模型泛化性，雖面臨機器人環(huán)境復雜等挑戰(zhàn)，但通過合成數(shù)據(jù)、多場景訓練等可提升適應性。

能夠看到的是，多模態(tài)、強化學習、智能體、具身智能都成為了下一代AI發(fā)展的關鍵詞。

這離不開產(chǎn)業(yè)界和學術界等多方探索，其中智源研究院所在的生態(tài)位就很關鍵。

從成立之初，智源研究院定位就是“做高校做不了，企業(yè)不愿意做的事情”。如今這一定位其實得以更加具象體現(xiàn)。

一方面，它承擔起基礎研究的資源投入和風險。高校擁有頂尖人才，但在大模型時代，基礎研究需要龐大的工程團隊、計算資源和企業(yè)化的運作方式，這是高校難以承擔的；而企業(yè)這邊面臨著巨大的資金壓力和業(yè)務壓力，對于風險高的前沿探索往往不愿意參與。

比如就像原生多模態(tài)這個方面的探索，與企業(yè)為快速落地而先強化語言模型增添模態(tài)的方式不同，智源選擇在基礎架構上實現(xiàn)模態(tài)的統(tǒng)一和泛化，挖掘模型的通用性潛力。

而具身智能目前也是在技術路線不收斂的早期階段，智源的跨本體具身大腦探索也是其中一條高風險路徑。

另一方面，智源研究院通過鏈接產(chǎn)業(yè)與高校、以及技術開源的方式來完善整個AI產(chǎn)業(yè)的生態(tài)。

智源打造的覆蓋模型、算法、數(shù)據(jù)、評測、系統(tǒng)的大模型開源技術體系FlagOpen，截至目前，已開源約200個模型和160個數(shù)據(jù)集。

其中，模型全球總下載量超6.4億次，開源數(shù)據(jù)集下載量近113萬次，開源項目代碼下載量超140萬次。

此次智源大會有30余位AI公司創(chuàng)始人/CEO，100余位全球青年科學家、200余位人工智能頂尖學者和產(chǎn)業(yè)專家在此匯聚，也是智源研究院生態(tài)影響力的體現(xiàn)。

好了，本屆“AI春晚”還在繼續(xù)。這兩天圍繞多模態(tài)、深度推理、下一代AI路徑、Agent智能體、具身智能、AI4S、AI產(chǎn)業(yè)、AI安全、AI開源等熱門話題，總共有20個論壇180余場報告。

感興趣的朋友可以繼續(xù)關注哦~