40 亿参数模型拿下 6 个评测第一，西湖大学团队押注「概念世界模型」

西湖世界模型研究中心成立，施一公亲自揭牌。

作者丨张岂萍

编辑丨幸丽娟

世界模型赛道已经不缺创业公司。

海外李飞飞、Yann LeCun 等学术大佬亲自下场，国内极佳视界、逆矩阵、流形空间等创业公司高密度入场。

但最近几个月，入场的力量开始发生变化，下场的不再只是公司，高校和地方政府也开始组织力量，参与这场技术竞争。

今年 7 月，北京大学与逆矩阵科技成立世界模型联合实验室。10 月，由极佳视界牵头的通用世界模型北京市重点实验室揭牌。一个是高校与创业公司联合研发，一个是北京市支持建设的重点科研平台。

如今，西湖大学再落一子，成立世界模型研究中心。西湖大学校长、中国科学院院士施一公亲自揭牌。

与研究中心同时亮相的，还有首版基础模型 Awomo-0.5。这款仅有 40 亿参数的模型，在6项国际公开评测的不同榜单中同时登顶，涉及物理推理、机器人操作和泛化等任务。

更值得关注的是，西湖大学团队已经开展了三年世界模型研究，建有自主智能实验室 AutoLab。

有实验室，还有阶段性技术成果，为什么还要成立一个校级研究中心？先看它想把世界模型做到什么程度。

01

40亿参数“概念世界模型”，瞄准通用物理智能

西湖大学团队发布的首版基础模型 Awomo-0.5，定位是通用物理世界模型。它希望让 AI 学习能够跨场景复用的物理规律，理解物体之间的关系，并预测真实世界接下来会发生什么。

这款模型只有 4B（40 亿）参数，采用的是“概念世界模型”（Concept World Model）技术路线。

目前，一部分世界模型研究主要通过生成未来视频，模拟环境和物体的变化。西湖大学团队选择了另一种思路：不把逐帧生成画面作为核心目标，而是尝试在模型内部建立物理概念的表示。

这条路线与Yann LeCun 推动的 JEPA 同属隐空间路线，但有所区别。

JEPA在潜空间里做表征预测，概念世界模型是把潜空间里的内容定义成可组合的物理概念，让每个概念同时对应语言描述和物理现象。

具体来说，物体属性、空间关系、材质和接触状态等信息，会被转化为隐空间中可以组合、复用的物理概念，再利用这些概念推演后续状态。

比如，一个杯子滑向桌边，模型需要判断的不只是下一帧画面长什么样，还包括杯子会不会掉落、受到外力后可能发生什么变化。

西湖大学校长、中国科学院院士施一公在揭牌仪式上这样解释世界模型的意义：

“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’。”

这也指向 Awomo-0.5 的核心目标：让模型掌握的物理知识能够跨任务、跨领域复用。

要实现通用物理智能，关键能力之一就是泛化。

简单说，泛化就是模型能不能把已有知识用到没见过的场景中。例如，机器人在固定货架前学会抓取，换一个货架，或者面对不同的物体组合，还能不能完成任务？

团队公布的评测结果里，有两项比较能说明问题，重点都在“换了环境行不行”。

第一个是 RoboTwin-c2r。50 项双臂操作任务，从抓取、堆叠到开合、旋转都有。测试方式是先在一个干净、固定的场景里跑通，然后把物体位置和布局全部打乱，再看模型还能不能完成。

也就是说，给机器人一个新的环境设置，让它依靠自身能力去应对新的环境和任务。Awomo-0.5 在这个测试里的成功率是 80.6%。

第二个是 MolmoSpaces。这是由 AI2（艾伦人工智能研究所，微软联合创始人保罗·艾伦创办的非营利实验室）推出的开放评测平台，也是具身圈公认的零样本操作硬核基准。

它包含 23 万多个场景、13 万多个带物理标注的物体，测试全程零样本，模型在评测前没有见过这些房间、物体和指令。任务本身不复杂，抓、放、开、关而已，但场景没去过、物体没摸过、说话方式也可能跟训练时不同。

它考的就是迁移能力：在一个环境里学到的操作，能不能搬到另一个环境里直接用。Awomo-0.5 在这里拿到了 73.4%。

两项测试分别从环境扰动和跨场景迁移两个角度，检验了模型的泛化表现。

这些成绩为概念世界模型的技术路线提供了初步验证，但现阶段结果集中在机器人仿真操作领域，距离证明模型具备真正的跨领域通用能力，还有不少路要走。

在行业多把世界模型锚定具身场景的背景下，团队为什么要选择做通用世界模型？

首先，是单场景迁移的现实难题。自动驾驶很早就遇到了这个问题。车辆遇到训练数据中没有覆盖的新情况，往往需要补充数据、重新训练或调整模型。场景越多，重复投入越大。如果机器人、汽车和工业生产都要分别训练一套模型，研发成本很难降下来。

通用物理世界模型希望解决的，就是不同场景下重复研发的问题。把物理规律、空间关系和因果推演沉淀成可复用的能力，让模型在一个场景中学到的知识，能够迁移到其他场景。

其次，是高校和企业的定位不同，高校更侧重通用基础技术本身。先把“杯子为什么会掉、物体之间怎么相互作用”这类底层规律研究清楚，再探索如何将这些能力开放给产业。企业通常更关注具体场景的交付效率，优先解决“能不能用”的问题。通用底座前期投入大、回报周期长，企业需要考虑商业落地，很难单独为短期内难以转化的通用能力持续投入。相比之下，高校更适合承担这类长期基础研究。

高校研究通用基础技术，考虑的也不只是眼前的机器人应用。在工业生产和科学研究中，同样存在对物体属性、空间结构和相互作用关系的理解需求。比如蛋白质结合、分子相互作用，都涉及复杂的空间结构和物理关系，单靠文本知识很难推演其中的物理过程。团队希望把通用物理基础技术做好，让它未来能够为工业生产、生物、材料等不同领域提供支持。

最后，通用物理世界模型仍是有待突破的重要方向。  西湖大学团队希望以高校力量把这件事做扎实，在全球通用世界模型竞争中占据一席之地。

为支撑通用模型的持续研发，西湖大学团队还在会上公布了数据和算力平台的建设情况：数据处理管线累计清洗超过 50 万小时具身物理世界相关数据，跨地域算力规模接近千卡，覆盖数据处理、模型训练和场景验证等环节。

02

又一个世界模型中心，意义何在？

通用世界模型需要解决的，既有基础算法和物理建模问题，也有大规模训练、数据供给和真实场景验证等工程难题。当前产业力量主要投入在具体场景的交付上，对这类长周期的基础问题投入有限，需要产业、高校等各方合力推动。

今年成立的两家世界模型实验室，已经给出了不同的尝试。

5 月获批、10 月 11 日揭牌的通用世界模型北京市重点实验室，由极佳视界牵头，联合高校和科研机构开展开展技术攻关，推动相关技术在具身智能、自动驾驶、内容创作等产业场景落地应用。7 月 27 日成立的北大—逆矩阵世界模型联合实验室，则通过校企合作，重点研究基础模型架构、核心算法和评估体系。

一个由企业牵头建设重点科研平台，一个通过校企联合开展研发。大家都在尝试将基础研究和工程能力结合起来，支持世界模型的长期发展。

地方政府也在将世界模型作为重点支持的攻关技术。7 月，北京将世界模型纳入基础模型技术攻关的支持范围；10 月，江苏发布专项计划，提出到 2028 年底建设超过 10 个世界模型高质量数据集。同月，2026 物理 AI 与世界模型大会在南京召开，现场成立产业联盟，并达成规划总规模 50 亿元的投资基金战略合作。浙江也在跟进，省级层面把世界模型列入 2026 年人工智能前沿布局。

在这样的背景下，高校尤其是研究型大学成立一个专门的世界模型研究中心，意义何在？

首先，是世界模型本身的发展机会。

大语言模型在物理理解和真实交互方面仍有明显边界，世界模型被视为拓展 AI 能力的重要研究方向。但基础架构、物理规律学习、泛化，这些都不是靠一家创业公司赶进度能啃下来的，需要愿意长期投入的研究力量。

其次，是学校自身的创新基因与前瞻性支持。

2018年成立的西湖大学，是一所定位“小而精”的新型研究型大学，注重前沿基础研究，也愿意支持需要长期投入的探索方向。

2023 年，国内大模型产业的关注重点仍集中在语言模型，世界模型还没有成为行业热点。西湖大学却在那时支持团队成立实验室，专门研究世界模型。三年间，团队的研究方向几经调整，学校的支持始终没有中断。

今年3月，最终落地为校级交叉科研平台。

除了学校的支持，团队已有的技术积累，也是中心能够在今年成立的重要基础。

从 2023 年切入自动驾驶长尾场景生成，到 2024 年获得 ECCV 相关挑战赛冠军，再到转向概念世界模型研究，团队逐步积累了算法研究、数据处理和模型训练能力，并将部分研究成果推进到工程开发阶段。

到今年，首版模型发布、外界评测也给了正向反馈，团队的技术路线有了阶段性成果。这时候成立校级研究中心，能够把原有的研究基础进一步扩展到校内外更多力量的协作中。

有了学校的跨学科资源支持和团队的前期技术积累，成立校级研究中心便有了更具体的基础。它的意义在于进一步组织不同学科的研究力量，吸纳外部科研与产业资源，为通用世界模型建立更长期的合作机制。

03

西湖世界模型中心背后的团队

西湖世界模型研究中心的发起人和主任，是西湖大学工学院助理教授、博士生导师于开丞，主要负责中心研究方向、科研合作及重要应用场景的规划。

于开丞本科毕业于香港大学，博士毕业于瑞士洛桑联邦理工学院（EPFL）。加入西湖大学前，他曾在英特尔、Abacus.AI、阿里达摩院等机构工作，积累了机器学习、计算机视觉和自动驾驶领域的研究与工程经验。

2023 年，加入西湖大学后，于开丞组建了校内自主智能实验室 AutoLab，开展世界模型相关研究。随着研究逐渐深入，团队于 2026 年初在校外创办了独立运营的西湖数智（Awomo），将实验室积累的技术推进到大规模基础模型研发和产业应用阶段。

至此，团队形成了校内基础研究与校外企业工程研发相结合的合作方式。

但通用世界模型需要解决的问题，已经超出单一实验室与企业的研究范围。模型架构、训练效率、物理建模和跨领域应用，都需要不同学科的研究力量参与。

这也是于开丞今年推动成立校级研究中心的重要原因。

与 AutoLab 不同，新成立的西湖世界模型研究中心是西湖大学的校级交叉科研平台，能够组织校内不同学科的研究力量，并吸纳外部科研机构和企业参与合作。

在人员配置上，西湖大学人工智能系主任金耀初担任中心首席科学家，研究方向涉及演化计算、可信人工智能与通用人工智能，为中心的基础研究提供学术支撑。西湖大学特聘研究员林涛主要研究深度学习优化、高效推理与分布式学习，在中心负责模型加速。

其他参与建设的研究人员分别承担数据、后训练、系统部署和交互设计等工作。中心还设置了负责产业转化的副主任岗位，推动科研成果与企业需求对接。

目前，中心的研究力量主要来自西湖大学相关科研团队，后续计划引进更多科研人员，并拓展校外合作。

在运行机制上，研究中心由西湖大学与西湖数智共同投入资金，也计划引入更多合作伙伴和社会资源。学校提供科研人才、学科基础和研究设施，产业端的西湖数智提供数据、算力和工程支持，双方围绕基础模型研发与应用验证开展协作。

研究中心的成立，让原有实验室与企业之间的合作，有机会扩展为更多学科和外部机构共同参与的长期研究。

04

西湖大学团队想要在全球世界模型竞争中争得一席之地

“事实上，我们要跟国际顶尖的公司团队竞争。”在接受 AI 科技评论采访时，于开丞谈到了团队未来的竞争目标。

用 40 亿参数在千亿叙事里撕开一道口子的 Awomo-0.5，只是一个起点。 50 万小时数据处理管线、近千卡算力平台，撑起来的不只是一款基础模型，更是一套能够持续 Scaling 的工程底座。

但榜单成绩和工程投入，距离证明模型真正具备通用能力，还有很长的路。

西湖大学“小而精”的创新型科研体制，或许能为这场竞争提供一个不同的支点：让不同学科的真实问题持续进入模型研发过程，用更广泛的任务检验同一套物理知识能否被重复使用。

真正值得观察的，是西湖大学团队能否依托这套科研体制，将跨学科研究转化为模型持续 Scaling 和能力迁移的动力，让世界模型在机器人之外，进一步进入生物、材料等领域，并在更多真实场景中得到验证。

如果这条路能够走通，研究团队以校级中心为载体的投入，将有机会转化为通用世界模型的长期竞争力，在全球竞争中争得一席之地。

雷峰网

雷峰网