Westlake University Establishes Center for World Models to Advance Physical Intelligence

10月31日，西湖世界模型研究中心在云谷校区成立。这个名字也许会让很多人困惑：知道“大语言模型”，但什么是“世界模型”？

简单说，这是继“大语言模型”后人工智能领域的又一个“热词”。

过去几年里，大语言模型的飞速发展让我们惊叹于它的“博览群书”和“无所不谈”。但能驾驭语言，不等同于理解世界。而世界模型，就是要赋予人工智能“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，从“观世界”走向“世界观” 。

2025年底至2026年，李飞飞、Yann LeCun等一众AI领军者已相继投身世界模型创业。而就在前几天，Google DeepMind发布Genie4，融合了世界模型和推理模型。

西湖世界模型研究中心的成立，是一个信号，代表了西湖大学将在这一方向上着力发展。事实上，早在三年前，西湖大学自主智能实验室AutoLab就开始了对世界模型的研究，并孵化出了创业公司，与企业界开展技术落地合作。

所以，这个中心的成立，不仅吸引了一批AI研究者，还有近90位业界研发部的老总和投资人。成立大会之后举行的“物理世界模型前沿论坛”，也是他们关注的焦点。

所以，世界模型到底是什么？它可能会带来哪些改变？以及作为新事物，人们为什么对它讨论不休？当然，还有三年来“提前布局”的故事。

01****世界模型

从“世界是什么样”，到“世界会怎么样”

早在1990年，强化学习领域主要奠基人之一Richard Sutton给出过世界模型的一种定义：给定当前状态和动作，预测下一个状态。这就要求模型回答的不只是“世界是什么样”，而是“世界会怎样”。

如今，让AI生成视频不难，更难的是，当一个杯子滑向桌边，模型能不能提前判断会发生什么。于开丞比喻说，过去训练AI的方式有点像是让AI“背大量考题”，但世界模型更多的是通过“理解”物理世界的规律，最终做出精确预测。

“卷积神经网络之父”、图灵奖得主Yann LeCun说得更直接：“单纯靠预测文本，AI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”，它的目标是赋予AI时间、空间、因果关系与物理常识。

公众最能感知的一种早期世界模型雏形，也许是2024年视频生成模型Sora。最经典的那个画面是一艘木质帆船在咖啡杯里乘风破浪，海浪的波动质感是如此逼真。Sora当时被定位为“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。这就弥补了自动驾驶训练过程中的短板，因为现实世界中，总不能为了训练模型去制造车祸。

但问题是，能够生成逼真现实场景就意味着模型真的懂世界吗？

对雨天的模拟画面以用于训练自动驾驶（于开丞团队早期工作展示）

**02“**自我否定”

**——**为了让机器更加理解世界

1993年出生于山东的于开丞，身上有一种反差感：他将自己描述为“阳光开朗的热情大男孩”，但在技术上，他有一点儿“叛逆”。

2012年他参加高考，分数够上清华北大，最后填了香港大学。以港大一级荣誉工学学士毕业后，于开丞赴瑞士洛桑联邦理工学院直博，主攻自动机器学习。博士毕业后，他先后在英特尔智慧系统实验室，Abacus.AI，阿里巴巴达摩院从事相关领域的研究工作。

在达摩院，于开丞主要做自动驾驶的相关研究。在此过程中，他逐步意识到传统训练方法的局限。传统自动驾驶技术本质上是“死记硬背”，高度依赖训练数据集，“题库”里见过的场景，模型能够处理，遇到罕见的突发状况，就很容易出错。

2023年，他离开阿里加入西湖大学，组建自主智能实验室AutoLab，开始世界模型方向的研究。今年很火热的世界模型，在当时还属于偏冷门的概念。

面对自动驾驶长尾场景训练的难题，当时领域内主要有两条解决思路。第一条，生成合成数据，制造出罕见场景样本，然后喂给模型做训练；第二条，从根源上让模型学会触类旁通，具备推演未知场景的能力。当然，后者难度更高。

初入西湖大学，于开丞及团队优先选择难度相对低的第一条路线做探索，生成极端场景的视频以训练自动驾驶模型。这条路很快做出了成绩，2024年他们拿下ECCV自动驾驶赛道的世界冠军，得分远超第二名。

在和一家国内一线车企深度部署的过程中，于开丞和团队开始怀疑这条路线的根基。既然模型已经能生成逼真的数据，说明它已经在一定程度上理解了这个世界。那么，继续渲染像素究竟是为了什么？

2024年底，AutoLab转向新的技术路线，提出“概念世界模型”——也就是不再生成像素，而是在抽象的数学隐空间中建立物理概念的表征。于开丞说，这时候模型需要像人一样，把复杂场景拆解成有限的概念，再重新组合这些概念，进而“理解”训练数据中从未完整出现过的新场景。

换言之，“概念世界模型”将复杂的物理环境、物体属性、空间关系及动作后果，拆解为可复用的物理概念，如空间关系、材质特性、接触状态等。遇到全新场景时，模型无需重新学习整个场景，而是将已有概念在隐空间中重新组合进行推演。

研究进入到2025年，团队开始在实验中观察到，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较传统模仿学习与强化学习基线显著提升，同时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，AutoLab也成为国内少数完成初步验证的团队之一，这些研究进展也为后续孵化公司做了铺垫。

03****不只是自动驾驶

**——**当AI穿越真实世界

2026年初，西湖数智Awomo正式成立。公司定位是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，而不只是给车企交付定制化解决方案。

AutoLab研发的“概念世界模型”，在2026年也有了正式名字——Awomo。Awomo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、精细操作及长时序任务上的泛化能力。

目前，这家初创公司拿到了累计超亿元种子轮、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。

而自动驾驶，只是世界模型的应用场景之一。世界模型也可以成为机器人的“物理大脑”，在面临复杂扰动时，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、装配及长时序协同任务。

更大的变化，也将发生在数据训练模式上，传统的AI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，即可快速定制特定领域的模型。

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。由于没有太多海量训练的负担，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，都可以理解成面对世界时，AI试图给出的行动，而所有行动都将留下轨迹。这也是为什么于开丞同时也正在研究古老的书法。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，本质上就是如何把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。

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，我们依然还在试图抽象出这个世界的法则，只是换了工具。

附：西湖世界模型研究中心简介

西湖世界模型研究中心（Westlake World Model Center）于2026年10月正式成立，是西湖大学面向物理智能领域设立的校级交叉科研平台。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PI共同承担各方向研究任务。

中心面向人工智能从语言认知走向物理交互的发展方向，聚焦世界模型与物理智能，致力于突破智能系统理解物理规律、预测环境变化和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，中心将汇聚多领域研究力量，促进基础理论、关键技术与应用探索协同发展，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。