智象梅涛提出智能体化全模态世界模型
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载周调用量93万亿的由来
梅涛在2026世界顶尖科学家论坛国际工程智能大会上给出了一组衡量中国AI应用规模的数字：截至今年10月，中国每周的Token调用量达到93万亿，这一水平是美国的4.16倍，并且已经连续26周位居全球第一。这组数字反映的是模型被实际调用的频次与体量，而非单纯的模型发布数量。调用量的持续高位，意味着推理侧的需求已经形成稳定规模，模型能力正在被大量真实场景消耗。对读者而言，这组数据提供了一个观察AI落地程度的切口：当周调用量以万亿计，模型迭代与工程优化的压力也随之从训练端向推理端转移，服务成本、响应效率和稳定性成为必须同时兼顾的指标。
从年迭代到周迭代
梅涛回顾了模型迭代节奏的变化：2023年大模型基本以12个月为周期更新，而递归自我改进让AI进入自我加速的轨道，迭代周期被压缩到按周推进。节奏变化的直接体现是成果产出方式，OpenAI一次性公开377项数学成果，覆盖数百个开放问题，这种批量释放的形态在年度迭代时期并不常见。在数字智能侧，文本、代码、视频、数学等领域已经达到或超越人类专家的水平。与之相对，物理智能仍受三重制约：对物理世界的理解薄弱、交互数据匮乏、闭环执行能力不足。这一对比说明，数字空间的加速并不自动平移到物理空间，两类智能的进展并不同步。
三条路线与汇流判断
产业界目前形成三条演进路线：大语言模型、多模态模型与具身大模型。梅涛的判断是，这三条路线长远会汇流为智能体化的世界模型。世界模型的作用在于通过全模态的统一理解与生成，对世界状态和因果进行建模，从而补上物理智能所缺的物理理解与交互闭环。按照这一构想，智能体化世界模型由三部分构成：LLM、Omni-Model与Embodied Context。三者的分工对应语言推理、全模态感知生成与具身情境，组合起来才构成完整的智能体形态。这一框架的意义在于，它把此前分头推进的三条路线放进同一个结构里，而不是让它们各自独立演进。
架构落地与商业形态
在工程实现上，智象自研了原生全模态的Unified Transformer架构，用统一表征处理多种模态，避免为每种模态单独搭建通路。其世界模型矩阵从图像起步，向视频延伸，并进一步覆盖交互与具身方向，分别对应HiDream-O1-World与HiDream-O1-Embodied。商业化方面形成1+1+3架构，包含HiHarness平台与三个智能体。从架构到矩阵再到商业形态，这条路径的特点是先做统一表征的底座，再按模态与场景逐层扩展。对读者来说，这意味着全模态能力不再只是演示层面的能力展示，而是被拆解为可交付的平台与智能体产品，适用范围取决于具体场景对多模态理解与交互闭环的要求。
为什么值得看
世界模型被视为打通数字智能与物理智能的路径，材料给出了具体架构分层与产品矩阵，可判断技术路线走向。
信源1 家
关键事实
相关 · 观点
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。