西湖大学：世界模型研究中心挂牌，三年布局今年爆发

10月31日，该中心在西湖大学云谷校区举行成立仪式。听到这个名字，不少人会犯嘀咕：大语言模型听说过，“世界模型”又是什么？

说白了，它是大语言模型之后，人工智能领域冒出的又一个热门概念。

这几年大语言模型跑得飞快，能读会写、聊什么都能接上，让人惊叹。可驾驭语言，跟理解世界是两码事。世界模型想给AI的，是格物致知的智慧、见微知著的洞见：摸清物理世界的规律，推演真实世界怎么运转，从“观世界”走到“世界观”。

2025年底到2026年，李飞飞、Yann LeCun等一批AI领军者已陆续投入世界模型创业。就在前几天，Google DeepMind发布Genie4，把世界模型和推理模型融到了一起。

这个中心落地，释放的是一个信号：西湖大学要在这一方向上重点发力。其实三年前，该校自主智能实验室AutoLab就已动手研究世界模型，还孵化出创业公司，与企业界合作做技术落地。

也正因如此，中心成立吸引的不只是AI研究者，还有近90位业界研发部老总和投资人。成立大会后举办的“物理世界模型前沿论坛”，同样是他们紧盯的环节。

那么，世界模型究竟指什么？它可能带来哪些改变？作为新事物，人们为何围绕它争论不休？还有那段三年前“提前布局”的往事。

01 世界模型

从“世界是什么样”，到“世界会怎么样”

1990年，强化学习领域主要奠基人之一Richard Sutton就给出过世界模型的一种定义：给定当前状态和动作，预测下一个状态。这样一来，模型要回答的不只是“世界是什么样”，而是“世界会怎样”。

眼下让AI生成视频并不难，难的是杯子滑向桌边时，模型能不能提前判断接下来会发生什么。于开丞打了个比方：以往训练AI，有点像让AI“背大量考题”；世界模型更多是靠“理解”物理世界的规律，最终做出精确预测。

“卷积神经网络之父”、图灵奖得主Yann LeCun说得更直白：“单纯靠预测文本，AI永远无法触及人类级别的智能。我们需要能理解物理现实的模型。”

大语言模型本质上是文字符号的概率预测，世界模型盯的则是“预测现实世界的下一个状态”，要给AI补上时间、空间、因果关系与物理常识。

公众最容易感知到的早期世界模型雏形，或许是2024年的视频生成模型Sora。最经典的那个画面是一艘木质帆船在咖啡杯里乘风破浪，海浪的波动质感十分逼真。Sora当时被定位为“物理世界的通用模拟器”。

随后，自动驾驶领域率先把世界模型用了起来。这类模型能生成超逼真的行车视频，还能主动构造恶劣天气、突发事故等“边缘场景”来训练自动驾驶模型。这正好补上自动驾驶训练的一块短板——现实世界里，总不能为了训练模型去制造车祸。

可问题来了：能生成逼真的现实场景，就等于模型真的懂世界吗？

对雨天的模拟画面以用于训练自动驾驶（于开丞团队早期工作展示）

02“自我否定”

——为了让机器更加理解世界

于开丞1993年出生在山东，身上有种反差感：他把自己形容为“阳光开朗的热情大男孩”，可在技术上，他带着一点儿“叛逆”。

2012年高考，他的分数够上清华北大，最后却填了香港大学。从港大以一级荣誉工学学士毕业后，于开丞赴瑞士洛桑联邦理工学院直博，主攻自动机器学习。博士毕业后，他先后在英特尔智慧系统实验室、Abacus.AI、阿里巴巴达摩院做相关领域的研究。

在达摩院，于开丞主要研究自动驾驶。做的过程中，他渐渐看出传统训练方法的局限。传统自动驾驶技术本质上是“死记硬背”，高度依赖训练数据集：“题库”里见过的场景，模型能处理；碰上罕见的突发状况，就容易出错。

2023年，他离开阿里加入西湖大学，组建自主智能实验室AutoLab，转向世界模型方向。今年很火热的世界模型，在当时还属于偏冷门的概念。

自动驾驶的长尾场景训练，当年圈内主要有两种解法。一种靠生成合成数据，把罕见场景做成样本再喂给模型；另一种是让模型从根上学会议外推演，具备应对未知场景的本事。后一条路明显更难。

刚到西湖大学，于开丞和团队挑了难度低的那条先试——生成极端场景视频，用来训练自动驾驶模型。进展不慢，2024年他们拿下ECCV自动驾驶赛道世界冠军，得分把第二名甩开一大截。

可在与一家国内一线车企做深度部署时，团队对这条路的底子起了疑：模型既然能生成逼真数据，说明它对世界已有一定程度的理解，那继续渲染像素又是图什么？

2024年底，AutoLab换了技术路线，提出“概念世界模型”——不生成像素，改在抽象的数学隐空间里建立物理概念的表征。于开丞说，这时模型要像人一样，把复杂场景拆成有限概念，再重新组合，从而“理解”训练数据里从未完整出现过的新场景。

换句话说，复杂物理环境、物体属性、空间关系、动作后果，都被拆成可复用的物理概念，比如空间关系、材质特性、接触状态。碰上全新场景，模型不用从头学整场，只要把已有概念在隐空间里重新拼起来推演。

进入2025年，实验里开始出现变化：概念拆解与关联机制建起来后，模型在复杂任务上的成功率比传统模仿学习和强化学习基线明显更高，预测成本还压得较低。

这属于隐式世界模型的一条技术路线，AutoLab也因此成为国内少数完成初步验证的团队之一。这些进展，为后面孵化公司铺了路。

03 不只是自动驾驶

——当AI穿越真实世界

2026年初，西湖数智Awomo正式成立。公司定位于物理世界的基础大模型，对标大语言模型，要做原生的物理大模型，而非只给车企交付定制方案。

AutoLab研发的“概念世界模型”在2026年有了正式名字——Awomo。它在四项国际权威机器人评测集中都排到第一，进一步验证了这条路线在环境扰动、精细操作和长时序任务上的泛化能力。

这家初创公司目前已累计拿到超亿元种子轮、天使轮融资，出资方包括英诺基金、东方嘉富基金、正轩投资、天启资本、西湖创新投资基金、金蚂投资等硬科技投资机构。

自动驾驶只是世界模型的应用场景之一。它也能当机器人的“物理大脑”：遇到复杂扰动，机器人在潜空间里快速推演物体属性与动作后果，把抓取、装配和长时序协同任务做准。

数据训练模式也会跟着变。传统AI训练要海量数据，算力成本极高。于开丞的设想是，依托通用物理基座，下游开发者或小企业不必再采百万级小时的数据，可能只要20至30小时的后训练，就能快速定制特定领域的模型。

再往远看，世界模型最终要服务普通人的个性化创造，这一点于开丞很笃定。少了海量训练的负担，用户可以借“模型构建世界”的能力，像在私人车库里搭手工作坊那样，给自己攒一台私人机器人或个性化智能助手。

这些应用，都可以看作AI面对世界时想给出的行动，而行动都会留下轨迹。这也是于开丞同时在研究古老书法的原因。汉字是象形文字，天生带结构感与空间感；从甲骨文一路走来，本质上就是把现实世界的实体压缩成二维平面符号的过程。

“甲骨文就是最早的隐空间。”于开丞说。

把意图或概念落成笔画，与机器人做动作控制、轨迹规划背后的数学逻辑，在底层是相通的。几千年过去，我们仍在试着抽象出这个世界的法则，只是工具换了。

附：西湖世界模型研究中心简介

西湖世界模型研究中心（Westlake World Model Center）于2026年10月正式成立，是西湖大学面向物理智能领域设立的校级交叉科研平台。中心主任由于开丞教授担任，金耀初院士任首席科学家，另有多位PI分头承担各方向研究任务。

人工智能正从语言认知走向物理交互，中心据此聚焦世界模型与物理智能，想突破智能系统理解物理规律、预测环境变化、开展交互决策的核心瓶颈，建成有国际引领性的物理智能学术高地与创新引擎。

中心的主攻方向是世界模型，重点在于把感知、认知、预测和行动串起来，形成一套智能体系，让人工智能在真实环境里具备理解世界、推演未来并自主行动的能力。西湖大学的科研积累和交叉学科条件是这个中心的依托，它会把多个领域的研究力量聚到一起，让基础理论、关键技术和应用探索一起往前走，目标是做出能理解物理规律、能预判行动后果、还能在真实反馈中不断学习的通用世界模型，为我国新一代人工智能的自主创新和前沿布局提供支撑。