在通往通用人工智能（AGI）的探索之路上，不同技术路径正展现出独特的发展态势。过去三年，以语言为核心的主流叙事占据主导地位，通过增加文本量、扩大模型参数、延长上下文长度以及强化推理能力，结合工具调用与智能体技术，让机器具备了读写、编程、检索和规划等能力，甚至开始承担部分原本局限于电脑屏幕的复杂工作。
然而，当任务从虚拟场景转向物理世界时，挑战陡然升级。以拧灯泡为例，机器人不仅要识别物体，还需精准判断手指的接触方式、旋转角度和力度，并在出现偏差时及时调整。这要求机器人具备一套能够预演行动后果、复盘得失的内部模型，而非仅仅依赖描述世界的静态知识。
当前，AGI领域的竞争正呈现分化趋势。智谱与生数科技作为从清华大学实验室走出的两家代表性企业，分别选择了不同的技术路径：前者以语言模型和智能体为核心，后者则聚焦于世界生成、实时交互与行动模型。这两条路径如同攀登同一座山峰的南北坡，虽起点不同，但目标一致——构建真正理解并适应物理世界的智能系统。
拧灯泡这一简单动作背后，隐藏着机器人技术面临的深层挑战。人类在执行此类任务时，并非通过复杂计算，而是依赖实时感知和反馈调整动作。而当前机器人虽能理解指令并复现训练轨迹，但在面对位置偏差、材质变化或物体打滑等意外情况时，仍缺乏灵活应对的能力。这凸显了构建“内在世界”模型的重要性——只有具备预演和反馈机制，机器人才能真正适应动态变化的物理环境。
世界模型作为AI领域的新前沿，正吸引不同学科的研究者从各自角度展开探索。视频生成领域关注时间维度下的世界演化规律，空间智能强调多视角环境建模，而机器人和自动驾驶技术则聚焦于行动对世界状态的影响。尽管产出形式各异，但这些研究都围绕一个核心闭环展开：智能体通过观察、行动、反馈和再观察的循环，逐步理解并适应世界。
今年6月，李飞飞团队在《A Functional Taxonomy of World Models》中，从经典POMDP框架出发，将世界模型系统归纳为渲染器、模拟器和规划器三大功能模块。两个月后，朱军团队在《General World Models from First-Principles》中进一步提出，通用世界模型需实现理解、想象和行动能力的有机耦合与自我修正。这一研究为构建真正自主的智能系统提供了理论框架。
朱军团队将通用世界模型的发展划分为五个层级：从学习世界演化的基础能力，到与世界交互的动态适应，再到在环境中行动并获取反馈，最终实现围绕长期目标的自主感知、规划和学习。这一路线图揭示了智能体自主性逐步解锁的过程，为技术发展提供了清晰的方向指引。
大语言模型与世界模型并非替代关系，而是构成了智能建设的双重基础。前者以文本、代码和符号为材料，侧重于机器对人类知识系统的理解与运用；后者则基于时间、空间和反馈机制，致力于培养机器对物理世界的动态认知能力。两条路径分别从语言和行动出发，最终都指向构建具备全面认知能力的AGI系统。
维特根斯坦“语言的边界意味着世界的边界”这一论断，在AI时代被赋予新内涵。语言模型扩展了机器的理解与表达能力，而世界模型则赋予其感知物理世界变化的能力。前者让智能系统拥有丰富的语言与计划工具，后者则为其提供扎实的世界经验与因果推理能力。这两条路径的协同发展，将成为推动AGI进步的关键力量。
以生数科技的技术布局为例，其发展路径清晰展现了世界模型的重要性。从视频生成模型Vidu学习世界演化规律，到Vidu S1实现实时交互与状态更新，再到Motus系列探索行动模型，该公司逐步构建起理解、预测、行动与反馈的完整闭环。最新发布的Motus2模型，通过统一框架整合动作生成、后果预测和策略优化功能，标志着机器人技术向自主性迈出了重要一步。
在商业应用层面，生数科技已将世界模型技术转化为实际生产力。其视频生成模型支持长达16秒的多语言视频创作，涵盖多人对话、切镜和多镜头叙事等功能，可应用于影视、广告等领域。Vidu S1则突破传统AI视频生成模式，允许用户在生成过程中持续输入指令并实时调整画面。而世界动作模型Motubrain采用多模态架构，可驱动多种机器人理解并适应物理环境，为工业自动化和智能服务提供了新的解决方案。
生数科技的技术积累源于长期主义的研究坚守。其创始人朱军作为国内概率机器学习领域的领军学者，早在十余年前便开始探索机器在不确定环境中的决策机制。这种学术传承在朱军团队中得到了延续——该团队提出的免训练推理算法被全球多家顶尖机构采用，并应用于知名AI生图工具中。同时，朱军构建的人才培养体系也为行业输送了大量核心骨干，其中不乏扩散模型领域的奠基者和顶级AI实验室的负责人。
在中国AI产业版图中，技术路径的多元化发展正成为显著特征。当智谱持续完善语言与工具的基础设施时，生数科技等企业则在时空感知与行动建模领域展开原生探索。这种分化并非简单的技术选择，而是中国团队针对AGI核心难题提出的差异化解决方案。两条路径的并行发展，既体现了技术自信，也为全球AI创新贡献了独特视角。
随着研究的深入，语言与行动、虚拟与物理的界限正在逐步模糊。未来的智能系统或将同时具备谈论世界与改造世界的能力——既能通过语言理解人类意图，也能在行动前预演后果，并在实践中不断优化认知。这种融合发展态势，正推动中国AI产业在南北两坡同时刻下独特的足迹。
