AI终于开始理解物理世界了：智源扔了颗深水炸弹

6月12号北京智源大会上，王仲远发布了一个东西，名字很长——悟界·Physis-v0.1，全球首个通用世界基座模型。名字绕口，但事儿不小。

从"预测下一个词"到"预测下一个物理状态"

这两年AI圈所有人都在聊大模型能不能理解物理世界。GPT能写诗但不能理解一杯水倒下去会洒；Claude能写代码但不知道推一个箱子需要多大力度。这不是模型不够聪明，是它们的底层架构本身就没学物理。

悟界·Physis-v0.1做的事情说穿了很简单：以前的AI模型预测"下一个token是什么"，这个模型预测"下一个物理状态是什么"。央视记者在现场打了个比方挺贴切——大语言模型预测下一个词，世界基座模型预测的是杯子落地后碎片会往哪飞。

这中间的跨越，比从GPT-3到GPT-4大多了。因为物理世界的规则是统一的、客观的、可验证的。AI要么理解，要么不理解，没有中间地带。

四个硬指标：物理正确、因果可溯、长程一致、通用泛化

王仲远在发布会上没画大饼，给了四个非常具体的指标。物理正确——推演结果必须符合真实物理规律，不能出现"杯子往天上飞"；动作因果可溯——每一步状态变化都能往回倒推原因；长程一致——不是前3秒预测准后面就崩了，要能支撑复杂场景的长时间推演；通用泛化——不挑场景，从工厂流水线到科学实验都能用。

我和几个做具身智能的朋友聊，他们认为最狠的是"长程一致"这一条。目前市面上绝大多数物理仿真模型，5秒以后就开始飘了。悟界宣称能支持50多个复杂物理场景的长程推理，如果实测能达到他们说的水平，那确实是个分水岭。

技术实现上有个容易被忽略的亮点：物理隐空间表征。简单说就是不用像素级别去预测画面，而是先把视频、深度图、3D点云、力触反馈等乱七八糟的模态统一转成标准化的"隐空间物理状态"，再在这个隐空间里做推演。这比直接生成像素聪明多了——像素会骗人，物理状态不会。

智源这次不是只发了一个模型

发布会上王仲远还扔了几个东西：悟界·Brainμ1.0，全球首个多模态神经科学大模型，能把人、猴子、小鼠的脑信号统一编码成标准Token，辅助筛查阿尔茨海默和帕金森；悟界·OpenComplex2.5，AI驱动药物发现模型；还有FlagOS 2.1，已经适配18家芯片厂商32款芯片，生态成员超80家。

智源把这次大会的主题定成"从悟道到悟界"，野心很明显——不只是发论文，是要把从基础研究到产业落地的全链条打通。从2018年成立到现在8年，智源开源了200多个模型，全球下载超10亿次。这个体量在国内AI研究机构里是独一档的。

离真正的"世界模型"还有多远

但实话实说，v0.1这个版本号本身就说明了问题。王仲远自己也讲得保守："我们仅仅迈出了一小步。"真正的世界模型应该能感知时间、空间、物理规律、物理常识，具备主动交付能力。具备所有这些要素的模型还没诞生。

从产业角度看，这个模型最大的价值不是现在有多强，而是证明了"预测下一个物理状态"这条路走得通。自动驾驶、工业仿真、具身智能——所有这些需要AI理解物理世界的领域，都缺一个底层基座。如果悟界能把这个基座搭起来，后面的人就不用从头造轮子了。

当然也有挑战。物理世界的数据获取比文本数据难得多——高质量物理交互数据又贵又少。智源在发布会上展示的场景包括物流、酒店服务、乒乓球对抗，这些场景的泛化能力到底如何，还需要更多实测来验证。

我的判断

2026年AI最大的变化不是模型又多强，而是范式在悄悄转向。从"会聊天的AI"到"会干活的AI"，中间缺的那块拼图就是物理世界的理解能力。智源这次相当于在拼图最核心的位置先放了一块。

v0.1肯定不完美，但方向对了。接下来值得盯的是两件事：一是悟界什么时候开源，如果能像FlagOS一样走开源路线，对整个行业的推动会非常大；二是下游有没有杀手级应用跑出来——模型再强，没人用也是空中楼阁。

这次智源大会让我想起2017年的Transformer论文。当时也没人想到它会改变世界。世界模型会不会成为下一个？时间会给答案，但至少现在，有人已经开始认真做这件事了。