西湖世界模型研究中心成立：冠军团队为何推翻自己的路线

设想一只杯子正从桌沿往下滑。人会本能伸手去接，根本不用先在脑子里把杯子掉下去的整段画面渲染一遍，只要判断三件事：杯子在哪儿、滑得多快、手够不够得着。

眼下 AI 已经能生成一段杯子坠落的逼真视频，可真让机器人伸手去接，它未必清楚该从哪个位置接、该使多大劲。生成一个看着真实的世界，和在真实世界里靠谱地行动，完全是两码事。

这个差别，恰恰是“世界模型”要回答的核心问题。1990 年，强化学习奠基人之一理查德·萨顿曾给出一种定义：给定当前状态和动作，预测世界的下一个状态。它关心的不只是“世界是什么样”，更是“世界接下来会怎样”。

2025 年底到 2026 年，李飞飞、勒昆等 AI 领军者接连投身世界模型创业。2026 年，多款世界模型相继发布。AI 从理解文字迈向具身世界，这个方向正快速升温。

杭州西湖大学有一支团队，已经在这条路上走了三年。10 月 31 日，西湖世界模型研究中心在杭州正式成立，三年的探索从实验室走向了更大的舞台。

西湖大学

拿下冠军之后，决定推翻自己

于开丞是西湖大学世界模型研究的带头人。1993 年出生于山东的他身上有种反差：他自称“阳光开朗的热情大男孩”，可一到技术路线上，他又近乎执拗地叛逆。

2012 年高考，他的分数够上清华北大，最终填了——他对世界模型的思考，是从自动驾驶开始的。

在达摩院那段时间，于开丞慢慢看清了传统训练方法的根本局限：常见的道路、车辆和天气，模型看过大量数据后一般都能应付。可现实道路上的罕见情况没完没了：突发事故、异常车辆行为、极端天气。

这对模型提出了更高要求：光记住见过的场景不够，还得有能力应对从没见过的变化。

2023 年，于开丞加入西湖大学，组建自主智能实验室 AutoLab，专攻世界模型。那时候，世界模型还偏冷门。

团队要做一个现实选择：人力和算力都有限，先往哪儿投？摆在面前两条路：一条是生成现实中难以收集的场景，比如暴雨、突发事故和异常车辆，用来扩充自动驾驶训练数据；另一条是让模型学习物体、空间和动作之间的关系，试着推演没有完整见过的场景。

第一条目标更明确，团队最终选了它。2024 年，AutoLab 在欧洲计算机视觉大会（ECCV）自动驾驶赛道拿下世界冠军，得分远超第二名。

也正是在这个阶段，于开丞和团队重新审视了这个方向：生成模型既然已经学到一部分场景规律，为什么非得先把这些规律变成一帧帧画面，再让另一个模型从画面里重新找答案？

更要紧的是，画面逼真并不能直接证明模型理解了物理世界。杯子在视频里顺利落下，只能说明画面看着合理；它保证不了模型准确掌握了杯子的重量、运动方向和碰撞后果。

于是，2024 年底，团队做出了那个最难的决定：否定自己的冠军路线。

开始专攻，概念世界模型

AutoLab 已经调转方向，新目标叫“概念世界模型”。这个方向不再把生成高清画面当成首要任务，改由模型内部的抽象数学空间去描述物体处于什么状态、彼此的空间关系怎样、动作会带来什么结果。

这个空间又被称为“隐空间”。不妨把它想成模型整理信息的内部笔记——杯子离桌边还有多远、手有没有碰到杯子、物体正往哪个方向动，全都压缩成模型能直接拿来算的表示形式。

于开丞平时爱研究书法，他这样概括这件事：“汉字从甲骨文发展至今，本质上是人把现实世界的实体逐步压缩成二维符号的过程。”在他看来，今天的研究者用数学表示做的是同一件事：把物体、空间和动作之间的关系压缩起来，再据此推演物理世界。而把意图落成笔画的过程，与机器人做动作控制、做轨迹规划背后的数学逻辑，在底层是相通的。

几千年过去，我们仍在设法抽象出这个世界的法则，只是手上的工具换了。

回到那只滑向桌边的杯子，两条技术路线的差别就一目了然了。生成画面的路线会尝试造出一段未来视频：杯子继续滑动、从桌边掉下去，或者被一只手接住，杯子的外观、桌面的纹理、光线的变化，都要一帧一帧画出来。概念推演路线则绕开画面，直接回答与行动有关的问题：杯子在哪？速度多快？手能不能及时够到？接触之后运动状态又会怎么变？

一旦这些概念表示可以稳定复用，碰上新的杯子、新的桌面或者新的角度，模型就能把已有信息重新组合起来，不必从头学整个场景。

2025 年的初步实验印证了这个方向：与实验中选取的模仿学习和强化学习基准相比，概念世界模型在复杂任务上的成功率明显更高，预测成本还保持在较低水平。这意味着，这条看上去更难走的路，团队选对了。

又一次拿下冠军：多项榜单第一

实验室里的成绩，只是世界模型走向现实的头一步。更难的问题在于：模型能不能进入真实场景，在环境不断变化的情况下持续工作，并且把效果和成本都算清楚？

2026 年初，AutoLab 孵化的西湖数智 Awomo 正式成立，定位是打造物理世界的基础大模型。与此同时，AutoLab 研发的概念世界模型也有了正式名字：Awomo。

按照团队的说法，Awomo 已在四项国际权威机器人评测中登顶第一，涉及环境扰动、精细操作和长时序连续任务，这条路线由此进一步验证了泛化能力。

除了自动驾驶，机器人是团队重点推进的另一个方向。同一套基础能力经过适配，能不能帮机器人完成抓取、装配和连续操作等不同任务？这要求模型不仅能预测动作结果，还得应付真实环境里的扰动和意外。

数据的训练模式也是重点方向之一。传统 AI 训练要海量数据，算力成本极高。于开丞的设想是，如果依托通用物理基座，下游开发者和中小企业或许只需 20 至 30 小时的后续训练，就能快速定制出特定领域的模型。

再往远看，世界模型最终要服务于普通人的个性化需求。用户可以借助“模型构建世界”的能力，像在车库里搭一间手工作坊那样，做出专属于自己的机器人或智能助手。

公司目前累计拿到超过亿元的种子轮和天使轮融资，投资方包括英诺基金、东方嘉富基金、正轩投资、天启资本、西湖创新投资基金、金蚂投资等机构。

基础研究这边也没有停下：2026 年 10 月，西湖世界模型研究中心成立，于开丞担任主任，金耀初院士担任首席科学家，多位研究负责人分别推进不同方向。

2023 年组建 AutoLab，之后转向概念世界模型、孵化创业公司，直到校级研究中心落地，西湖大学在这条路上一步步搭起了从基础研究到应用探索的布局。

杯子还在往桌边滑。三年前，这支团队的做法是让模型“画出”杯子掉下去的过程。

如今他们想要的答案更直接：杯子会落到哪儿，又该怎么接住。

机器不能只“看见”世界，还得理解它、推演它的变化、据此行动——世界模型想迈出的正是这一步，AutoLab 也打算沿这条路走完。