西湖大学成立世界模型研究中心，40亿参数Awomo-0.5登顶6项国际评测

海外有李飞飞、Yann LeCun 等学术大佬亲自下场，国内则有极佳视界、逆矩阵、流形空间等创业公司密集入场。

不过最近几个月，参与这场技术竞争的力量有了变化。下场的除了公司，高校和地方政府也开始组织资源投入。

今年 7 月，北京大学与逆矩阵科技共同成立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。

西湖大学如今再添一子，成立世界模型研究中心。揭牌由西湖大学校长、中国科学院院士施一公亲自完成。

和研究中心一同亮相的，还有首版基础模型 Awomo-0.5。这款模型参数只有 40 亿，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。

另一个看点是，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，为何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

首版基础模型 Awomo-0.5 由西湖大学团队发布，定位为通用物理世界模型。按照设想，它要让 AI 学会可跨场景复用的物理规律，理解物体间的关联，并预测真实世界下一步会怎样变化。

模型规模为 4B（40 亿）参数，走的是“概念世界模型”（Concept World Model）这条技术路线。

眼下，一些世界模型研究把生成未来视频当作主要手段，用画面模拟环境和物体的变化。西湖大学团队换了个思路：逐帧生成画面不再是核心目标，重点转向在模型内部搭建物理概念的表示。

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，再靠这些概念推导后续状态。

拿杯子滑向桌边来说，模型要判断的不光是下一帧画面是什么样，还得看杯子会不会掉下去、受外力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解释世界模型的意义：

所谓“世界模型”，说白了就是让人工智能具备“格物致知”的智慧与“见微知著”的洞见，去摸清物理世界的规律、推演真实世界如何运转，从而由“观世界”迈向“世界观”。

这话也点出了 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，泛化考的是模型能否把已有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，换一个货架，或者碰上不同的物体组合，它还能不能把任务完成？

团队公布的评测结果中，有两项很能说明问题，考的都是“换了环境还行不行”。

头一项是 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，再看模型能否继续完成任务。

换句话说，换一个全新的环境布置，机器人得凭自己的本事去应付没见过的场景和任务。Awomo-0.5 在这项测试中成功率达到了 80.6%。

另一个评测是 MolmoSpaces。这个开放评测平台出自 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），在具身智能圈子里被看作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。任务本身不算难，无非抓、放、开、关，可场景是陌生的，物体没碰过，指令的说法也可能和训练时对不上。

它检验的是迁移本事：在某个环境里学会的操作，能不能换个环境照样用。Awomo-0.5 在该项拿到 73.4%。

一个从环境扰动入手，一个从跨场景迁移入手，两项测试合起来看的是模型泛化得怎么样。

这些结果初步说明概念世界模型这条技术路线走得通。不过眼下的成绩还集中在机器人仿真操作上，要说模型已经具备真正的跨领域通用能力，离得还远。

业内大多把世界模型往具身场景上靠，团队为何反过来做通用世界模型？

头一个原因是单场景迁移这道现实难题。自动驾驶早就撞上了。车碰到训练数据里没覆盖的新状况，通常得补数据、重训或者调模型。场景越多，重复投入就越大。机器人、汽车、工业生产各训一套模型，研发成本根本压不下来。

通用物理世界模型要解决的正是这种重复研发。把物理规律、空间关系、因果推演变成能反复调用的能力，模型在一个场景里学到的东西，可以搬到别的场景去用。

再一个是高校和企业定位不一样，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”这类底层规律搞清楚，再琢磨怎么把这些能力开放给产业。企业一般盯着具体场景的交付效率，先解决“能不能用”。通用底座前期砸钱多、回本慢，企业要顾商业落地，很难单独为短期难以转化的通用能力持续投入。这么一比，高校更适合扛这类长期基础研究。

高校做通用基础技术，看的也不只是眼前的机器人应用。工业生产和科学研究里，同样需要理解物体属性、空间结构和相互作用关系。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出其中的物理过程。团队想把通用物理基础技术做扎实，让它日后能为工业生产、生物、材料等领域提供支撑。

还有一点，通用物理世界模型本身就是个有待突破的重要方向。西湖大学团队想用高校的力量把这件事做扎实，在全球通用世界模型的竞争里占住一席之地。

为了撑住通用模型的持续研发，西湖大学团队在会上还公布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

再添一个世界模型中心，究竟意味着什么？

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、真实场景验证这些工程难题。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、高校等各方一起推。

今年成立的两家世界模型实验室，已经拿出了不一样的尝试。

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。北大—逆矩阵世界模型联合实验室则在 7 月 27 日成立，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。

一边是企业牵头建重点科研平台，一边是校企联合搞研发。两种做法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政府划入了重点攻关方向。北京在 7 月把这一技术纳入基础模型技术攻关的支持范围；到了 10 月，江苏出台专项计划，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 10 月，2026 物理 AI 与世界模型大会在南京举行，产业联盟当场成立，并签署了规划总规模 50 亿元的投资基金战略合作。浙江也在跟上，省级层面已将世界模型写进 2026 年人工智能前沿布局。

在这种情况下，高校特别是研究型大学专门成立一个世界模型研究中心，意义在哪？

头一个，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，世界模型被看成拓展 AI 能力的重要方向。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进度就能啃下来的，得有愿意长期投入的研究力量。

再一个，是学校自身的创新基因和前瞻性支持。

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

2023 年，语言模型还是国内大模型产业的目光焦点，世界模型尚未被行业当作热点。就在那一年，西湖大学选择支持团队建起实验室，专攻世界模型。此后三年，团队的研究方向调整过好几轮，学校层面的支持却一直没有停。

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。

中心能在今年成立，还有一层基础在于团队此前攒下的技术底子，学校的支持只是一方面。

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，随后又转向概念世界模型研究——顺着这条线，团队在算法研究、数据处理和模型训练上逐步积累了能力，部分成果也已经推进到工程开发阶段。

今年首版模型发布，外界评测给出正向反馈，技术路线算是有了阶段性成果。此时成立校级研究中心，正好把原有的研究基础往外扩，接入校内外更多力量的协作。

学校提供的跨学科资源，加上团队前期的技术积累，让成立校级研究中心有了更具体的依托。其意义在于把不同学科的研究力量进一步组织起来，同时吸纳外部科研与产业资源，为通用世界模型搭起更长期的合作机制。

03

西湖世界模型中心背后的团队

中心的发起人和主任是于开丞，西湖大学工学院助理教授、博士生导师，主要管中心的研究方向、科研合作以及重要应用场景的规划。

于开丞的本科在香港大学读完，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就是这样攒起来的。

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，开始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），把实验室积累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、校外企业做工程研发，两条线结合的合作方式就形成了。

可通用世界模型要解决的问题，已经不是单个实验室加一家企业能覆盖的范围。模型架构、训练效率、物理建模、跨领域应用，每一块都需要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一个重要原因。

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

人员配置上，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，分别承担数据、后训练、系统部署和交互设计等工作。中心还设了负责产业转化的副主任岗位，推动科研成果对接企业需求。

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

运行机制方面，研究中心由西湖大学与西湖数智共同出资，也计划引入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，双方围绕基础模型研发与应用验证开展协作。

研究中心成立之后，原来实验室与企业之间的合作，有机会扩展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

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

40 亿参数的 Awomo-0.5 在千亿参数的大叙事里打开了一个缺口，而这仅仅是开始。真正托住它的，是 50 万小时的数据处理管线和近千卡的算力平台；一套能不断 Scaling 的工程底座由此成形，基础模型只是其中一样东西。

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。

这场竞争也许还有另一种支点，来自西湖大学那套“小而精”的创新科研体制：把各学科碰到的真实问题源源不断送进模型研发流程，再拿更广的任务去检验同一套物理知识能不能被反复调用。

接下来要看的是，西湖大学团队手上的这套科研体制，能不能把跨学科研究真正转成模型继续 Scaling、能力继续迁移的动力。若能做到，世界模型就有望走出机器人，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，在全球竞争中占住一个位置。

上述内容来自雷峰网的公开报道。

雷峰网