西湖大学成立世界模型研究中心，40亿参数模型Awomo-0.5登顶6项评测

海外有李飞飞、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也在密集入场。

不过最近几个月，参与的力量有了变化。下场的不再只有公司，高校和地方政府也开始组织资源，加入这场技术竞争。

今年 7 月，北京大学与逆矩阵科技共建世界模型联合实验室。到了 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。前者是高校联手创业公司做研发，后者是北京市支持建设的重点科研平台。

西湖大学这次再落一子，成立世界模型研究中心。揭牌的是西湖大学校长、中国科学院院士施一公。

和研究中心一起亮相的，还有首版基础模型 Awomo-0.5。这个模型只有 40 亿参数，却在6项国际公开评测的不同榜单上同时拿到第一，任务覆盖物理推理、机器人操作和泛化等方向。

还有一点更受关注：西湖大学团队做世界模型研究已有三年，并建有自主智能实验室 AutoLab。

既然已有实验室，也有阶段性技术成果，为什么还要再设一个校级研究中心？这得先看它打算把世界模型做到什么程度。

01

40亿参数的“概念世界模型”，目标指向通用物理智能

西湖大学团队发布的首版基础模型 Awomo-0.5，定位为通用物理世界模型。它想达到的效果，是让 AI 学到能跨场景复用的物理规律，理解物体间的关系，并对真实世界下一步的变化做出预测。

参数规模上，这款模型只有 4B（40 亿），技术路线走的是“概念世界模型”（Concept World Model）。

眼下，一些世界模型研究把生成未来视频当作主要手段，用画面来模拟环境和物体的变化。西湖大学团队走的是另一条路：逐帧生成画面不是核心目标，重点在于让模型内部形成物理概念的表示。

这条路和 Yann LeCun 推动的 JEPA 都属于隐空间路线，但两者存在差别。

JEPA 是在潜空间里做表征预测；概念世界模型则把潜空间中的内容定义为可组合的物理概念，每个概念同时对应语言描述和物理现象。

落到具体做法上，物体属性、空间关系、材质、接触状态等信息会被转成隐空间里可组合、可复用的物理概念，再借助这些概念推断后续状态。

举个例子，杯子朝桌边滑过去，模型要判断的不只是下一帧画面是什么样，还要看杯子会不会掉下去、被外力作用后可能发生哪些变化。

揭牌仪式上，西湖大学校长、中国科学院院士施一公这样说明世界模型的意义：

商汤科技联合创始人、首席执行官徐立表示，世界模型要赋予人工智能“格物致知”的智慧和“见微知著”的洞见，即探索物理世界的规律、推演真实世界的运行，推动AI从“观世界”走向“世界观”。

这句话也点出了 Awomo-0.5 的核心目标：让模型学到的物理知识能在不同任务、不同领域之间复用。

要走向通用物理智能，泛化是绕不开的关键能力之一。

说白了，泛化看的是模型能不能把已经掌握的知识用到没见过的场景里。比如机器人在固定货架前学会了抓取，换个货架，或者面对不一样的物体组合，它还能不能把任务完成？

团队公布的评测结果中，有两项比较能说明问题，考的都是“换了环境还行不行”。

第一项是 RoboTwin-c2r。它包含 50 项双臂操作任务，抓取、堆叠、开合、旋转都有。测试时先在一个干净、固定的场景里跑通，随后把物体位置和布局全部打乱，再看模型还能不能完成任务。

换句话说，把机器人放进一个全新的环境配置里，看它能不能凭自身本事应对新场景和新任务。Awomo-0.5 在这项测试中跑出了 80.6% 的成功率。

另一项是 MolmoSpaces。这个开放评测平台由 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，在具身圈里被公认为零样本操作的硬核基准。

平台里有 23 万多个场景、13 万多个带物理标注的物体，整个测试走零样本路线，模型评测前压根没见过这些房间、物体和指令。任务本身不难，无非抓、放、开、关，可场景没去过、物体没摸过、指令的说法也可能和训练时不一样。

它考的是迁移本事：在某个环境里学会的操作，换个环境还能不能直接上手。Awomo-0.5 在这一项拿到 73.4%。

两项测试一个看环境扰动，一个看跨场景迁移，从两个角度检验了模型的泛化表现。

这些成绩初步验证了概念世界模型这条技术路线，不过目前结果集中在机器人仿真操作领域，要证明模型具备真正的跨领域通用能力，还有不少路要走。

行业里多数玩家把世界模型锚定在具身场景，团队为何偏偏选择做通用世界模型？

先说单场景迁移这个现实难题。自动驾驶早就撞上了它。车辆碰到训练数据没覆盖的新情况，通常得补数据、重新训练或者调整模型。场景越多，重复投入就越大。假如机器人、汽车和工业生产各训一套模型，研发成本很难压下来。

通用物理世界模型想解决的，正是不同场景重复研发的问题。它把物理规律、空间关系和因果推演沉淀成可复用的能力，让模型在一个场景里学到的知识能迁移到别的场景。

再看高校和企业的定位差异，高校更看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”这类底层规律摸清楚，再琢磨怎么把这些能力开放给产业。企业通常盯着具体场景的交付效率，优先回答“能不能用”。通用底座前期投入大、回报周期长，企业要算商业落地的账，很难单独为短期内难以转化的通用能力持续砸钱。相形之下，这类长期基础研究更适合由高校来扛。

高校做通用基础技术，着眼的不只是眼前的机器人应用。工业生产和科学研究里，同样需要对物体属性、空间结构和相互作用关系有理解。比如蛋白质结合、分子相互作用，都牵扯复杂的空间结构和物理关系，光靠文本知识很难推演其中的物理过程。团队想把通用物理基础技术做扎实，让它将来能为工业生产、生物、材料等不同领域提供支撑。

还有一点，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的竞争中占住一席之地。

为了支撑通用模型的持续研发，西湖大学团队还在会上披露了数据和算力平台的建设进展：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

再建一个世界模型中心，意义在哪？

通用世界模型要啃的骨头，既有基础算法和物理建模，也有大规模训练、数据供给和真实场景验证等工程难题。眼下产业力量主要投在具体场景的交付上，对这类长周期基础问题投入有限，得靠产业、高校等各方合力推。

今年成立的两家世界模型实验室，已经拿出了不同的尝试。

通用世界模型北京市重点实验室 5 月获批、10 月 11 日揭牌，由极佳视界牵头，联合高校和科研机构开展技术攻关，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，则走校企合作的路子，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。双方都在试着把基础研究和工程能力捏到一起，支撑世界模型的长期发展。

世界模型同样被地方层面划进了重点攻关的清单。北京在 7 月把它列入基础模型技术攻关的支持范围；到了 10 月，江苏拿出专项计划，目标是到 2028 年底建成 10 个以上世界模型高质量数据集。还是这个月，2026 物理 AI 与世界模型大会在南京举行，产业联盟在现场揭牌，同时达成一笔战略合作，涉及规划总规模 50 亿元的投资基金。浙江也在往前推，省级层面已将世界模型写进 2026 年人工智能前沿布局。

在这样的形势下，高校尤其是研究型大学专门成立一个世界模型研究中心，意义何在？

头一条，是世界模型自身的发展机会。

大语言模型在物理理解和真实交互上仍有明显边界，世界模型被看作拓展 AI 能力的重要研究方向。可基础架构、物理规律学习、泛化这些事，不是一家创业公司赶赶进度就能啃下来的，需要愿意长期投入的研究力量。

第二条，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，国内大模型行业的目光还盯在语言模型上，世界模型并未成为热门方向。西湖大学在那个时候就支持团队建起实验室，专攻世界模型。此后三年，团队的研究路线调了几次，学校方面的支持一直没断。

到今年3月，这件事最终以校级交叉科研平台的形式落了地。

团队此前攒下的技术底子，同样是中心今年能够成立的关键前提——学校的支持之外，这部分积累不可少。

2023 年切入自动驾驶长尾场景生成，2024 年拿下 ECCV 相关挑战赛冠军，之后又转向概念世界模型研究。一路走来，团队在算法研究、数据处理、模型训练上逐步攒起能力，部分成果已推进到工程开发环节。

今年首版模型发布，外界评测也给出正向反馈，技术路线算是有了阶段性成果。此时成立校级研究中心，原有的研究基础就能延伸到校内外更多力量的协作中去。

学校的跨学科资源加上团队的前期技术积累，让校级研究中心的成立有了更具体的依托。它的用意是进一步把不同学科的研究力量组织起来，吸纳外部科研与产业资源，为通用世界模型搭起更长久的合作机制。

03

西湖世界模型中心背后的团队

中心的发起人兼主任，是西湖大学工学院助理教授、博士生导师于开丞，中心的研究方向、科研合作以及重要应用场景的规划，主要由他负责。

于开丞的本科读于香港大学，博士毕业于瑞士洛桑联邦理工学院（EPFL）。来西湖大学之前，他在英特尔、Abacus.AI、阿里达摩院等机构工作过，机器学习、计算机视觉和自动驾驶领域的研究与工程经验都有积累。

2023 年入职西湖大学后，于开丞在校内组建了自主智能实验室 AutoLab，做世界模型相关研究。研究越做越深，团队于 2026 年初在校外创办了独立运营的西湖数智（Awomo），把实验室攒下的技术推向大规模基础模型研发和产业应用。

这样一来，校内做基础研究、校外做工程研发，两条腿走路的方式就成型了。

可通用世界模型要解的题，已经不是单个实验室加一家企业能覆盖的。模型架构、训练效率、物理建模、跨领域应用，哪一项都得有不同学科的研究力量进来。

这也是于开丞今年推动成立校级研究中心的重要考虑。

新成立的西湖世界模型研究中心和 AutoLab 不一样，它是西湖大学的校级交叉科研平台，既能组织校内不同学科的力量，也能吸纳外部科研机构和企业参与合作。

人员方面，西湖大学人工智能系主任金耀初出任中心首席科学家，他的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攻深度学习优化、高效推理与分布式学习，在中心负责模型加速。

其余参与建设的研究人员，分别挑起数据、后训练、系统部署和交互设计等担子。中心还设了负责产业转化的副主任岗位，让科研成果和企业需求对上。

眼下中心的研究力量主要来自西湖大学相关科研团队，后面打算引进更多科研人员，并把校外合作拓展开。

运行机制上，研究中心由西湖大学与西湖数智共同出资，也计划拉进更多合作伙伴和社会资源。学校出科研人才、学科基础和研究设施，产业端的西湖数智出数据、算力和工程支持，两边围绕基础模型研发与应用验证开展协作。

中心一成立，原来实验室与企业之间的合作，就有机会扩成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。”于开丞在接受 AI 科技评论采访时，谈到了团队未来的竞争目标。

40 亿参数的 Awomo-0.5 在千亿叙事里撕开了一道口子，但这只是起点。50 万小时数据处理管线、近千卡算力平台，撑起的不光是一款基础模型，更是一套能持续 Scaling 的工程底座。

不过，榜单成绩和工程投入，离证明模型真正具备通用能力，还有很长的路要走。

这场竞争还有另一种可能的支点，就在西湖大学“小而精”的创新型科研体制里：同一套物理知识能不能被反复用起来，可以拿更广泛的任务去检验，同时让不同学科遇到的真问题不断汇入模型研发过程。

接下来要看的，是西湖大学团队能不能借这套科研体制，把跨学科研究变成模型持续 Scaling、能力不断迁移的推力，让世界模型走出机器人，进入生物、材料等方向，并在更多真实场景里接受检验。

这条路一旦走通，团队以校级中心为载体的投入就有机会沉淀为通用世界模型的长期竞争力，在全球竞争中占住位置。

上述内容来自雷峰网的报道。

雷峰网