近日，由北京市海淀区人民政府与北京国有资本运营管理有限公司联合主办的2026中关村论坛年会“人工智能主题日”特色主题论坛“AI未来论坛：跃迁·投资·共生”在中关村国际创新中心成功举办。论坛汇聚全球顶级投资人、产业领袖与前沿创新者，围绕人工智能从技术突破迈向产业价值的关键路径展开深入探讨。

　　在“前沿Tech Show”环节，北京生数科技有限公司（以下简称“生数科技”）创始人、清华大学人工智能研究院副院长朱军教授发表题为《通用世界模型：连接数字世界与物理世界的桥梁》的主题演讲，系统阐述了生数科技在通用世界模型方向的战略布局与技术路径。

　　通用世界模型战略布局越发清晰

　　在长期的视频大模型的技术积累上，生数科技逐步构建起一条清晰的通用世界模型的战略布局：以基座世界模型为核心底层，向上延展出贯通数字空间与物理空间的双轨体系，形成面向通用智能的核心基础架构。

　　在底层能力上，该基座世界模型基于全球首创的U-ViT架构，积累视觉、听觉、触觉等多模态信息，构建对世界的统一认知与建模能力，为上层应用提供统一的智能底座。

　　在数字空间，生数科技基于世界生成模型（WGM）打造视频大模型产品Vidu。Vidu生成模型聚焦单时点模拟世界，赋能AI在数字世界的生产力。流式生成模型，聚焦多时点模拟世界，实现实时陪伴和交互。Vidu显著提升了数字内容的生产效率，最终实现数字世界的AGI。

　　在物理空间，生数科技基于世界行动模型（WAM）构建统一世界模型产品Motus。Motus作为真实世界具身智能的“大脑”，致力于解决传统具身智能链路割裂、数据稀缺、泛化能力弱等核心痛点，可实现真实世界下的零样本泛化与跨本体适配，推动机器人从“模块化执行”向“统一智能体”跃迁，最终实现物理世界的AGI。

　　由此，生数科技构建起贯通理解世界、生成世界与行动于世界的完整技术闭环，使通用世界模型真正成为连接数字世界与物理世界的桥梁。

　　通用世界模型正成为通向AGI的重要方向

　　而当前的AI系统，虽然在单点能力上取得了突破，但整体上仍然是“割裂”的。有的擅长生成，有的擅长理解，有的用于执行，但很少有系统能够统一完成这三件事。如果机器要真正具备智能，就必须具备类似人类的世界模型能力。

　　在此基础上，朱军指出，通用世界模型正在成为通向AGI的重要方向。

　　长期以来，具身智能面临“数据墙”：真实世界的轨迹数据成本高、规模小，难以支撑模型泛化。对此，朱军提出一个关键判断：视频，是当前最接近真实世界的数据形态。

　　基于这一判断，生数科技构建了以视频为核心的数据体系——从海量互联网视频，到第一视角操作视频，再到机器人数据，形成一个可扩展的数据金字塔。在这一体系下，即使缺乏大量标注数据，模型依然能够学习到有效的行动能力。

　　业内人士认为，在数据利用与规模扩展方面，Motus展现出显著优势。在数据规模扩展实验中，相较国际领先的VLA模型Pi0.5，Motus能够从更广泛的异构数据中学习，并有效融合预训练基座模型中的多模态先验能力。在长程、多步骤的复杂真机任务中，Motus进一步呈现出接近人类水平的决策逻辑与执行稳定性。

　　面向未来，生数科技将继续坚持以原创技术为底座，围绕通用世界模型持续推进底层架构、数据体系与应用场景的协同突破。

　　从视频模型到世界模型，从数字空间到物理空间，生数科技正在探索一条更完整的通用智能路径。随着相关技术持续演进，通用世界模型也将加快走向真实产业场景，释放更大的技术价值与应用潜力。（记者 贾丽）