生数科技发布通用世界模型五级路线，跑通两级但争议仍在

8月19日下午，世界机器人大会分论坛“具身智能大模型的进化之路：从技术分级到产业落地”上，生数科技创始人兼首席科学家朱军抛出一张五级路线图：从能看、能想到能预测、能行动，通用世界模型被拆成五个可衡量的台阶。这不是又一份概念PPT——朱军同时发布了团队的最新研究成果，把其中两个级别真正跑通了。

五级路线图：从感知到行动的五个台阶

朱军在演讲中系统阐述了通用世界模型的五级发展路线。这五个级别并非随意划分，而是对应模型从感知到认知再到行动的递进能力。第一级是基础感知，模型能够理解静态图像或场景，识别物体、空间关系等基本要素。第二级是动态理解，模型开始处理时序信息，理解场景中发生的变化，比如物体移动或事件演变。第三级是预测，模型能够基于当前状态推演未来若干步的可能结果，这是从“看”到“想”的关键跨越。第四级是规划，模型在预测基础上生成行动序列，以达成特定目标。第五级是行动，模型直接输出控制指令，驱动实体或虚拟体执行任务，完成闭环。

这五级路线把模糊的“世界模型”概念拆解成可操作的技术指标。每一级都依赖前一级的能力，但又引入新的技术挑战。例如，从感知到预测需要模型具备因果推理能力，而从规划到行动则要求模型与物理环境实时交互。朱军强调，这并非学术分类游戏，而是为研发和产业落地提供清晰的路线图。

朱军的判断：通用基座模型才是终局

朱军在演讲中明确表示：“从大模型发展的视角来看，我们希望构建的，不只是服务于某个任务或场景的专用模型，而是一个能够理解世界、预测未来并采取行动的通用基座模型。”这句话点出了生数科技的战略定位——不做专用工具，而是押注通用性。

当前AI领域存在两条技术路径：一条是垂直整合，针对自动驾驶、机器人等具体场景训练专用模型，优点是落地快，但泛化能力弱；另一条是通用基座，先构建一个能理解世界底层规律的模型，再适配不同任务。朱军显然站在后者。他认为，专用模型只能解决已知问题，而通用基座模型才能应对开放世界的未知挑战。这种理念与OpenAI的GPT系列、DeepMind的通用智能体研究一脉相承，但生数科技选择从世界模型切入，而非语言或游戏。

通用基座模型的优势在于规模效应——一旦建成，可以低成本迁移到无数场景。但风险也明显：训练难度高、周期长、算力消耗巨大。朱军的判断是，终局属于通用模型，专用模型只是过渡。这一立场在具身智能领域尤为激进，因为机器人对实时性和安全性的要求极高，通用模型能否满足仍是未知数。

跑通的两级：生数科技最新研究成果的含金量

朱军发布的最新研究成果，据称已跑通五级路线中的两个级别。虽然演讲未透露具体细节，但结合生数科技过往的技术积累，可以推测其突破集中在感知和动态理解层面。生数科技此前在视频生成和3D建模领域有深厚积累，其自研的底层模型能够处理高维视觉数据，这为世界模型的感知级提供了天然优势。

跑通两级意味着模型已经能稳定理解静态场景和动态变化，这是迈向预测和行动的基础。但含金量不仅在于技术本身，更在于验证了路线的可行性。朱军团队用实际成果证明，五级路线不是空中楼阁，而是可以逐步实现的。相比之下，许多研究机构仍停留在概念阶段，生数科技至少迈出了实质性两步。

不过，两级到五级之间仍有巨大鸿沟。预测级需要模型具备因果推理能力，这远超当前深度学习范式；行动级则要求模型与物理世界闭环交互，涉及控制论和机器人学。生数科技能否跨越这些门槛，取决于其后续研发投入和技术突破。目前来看，跑通两级是重要里程碑，但距离通用世界模型还有很长的路。

从技术分级到产业落地：具身智能的岔路口

分论坛主题“从技术分级到产业落地”暗示了五级路线的现实指向。具身智能——即能感知、思考并行动的AI系统——是当前AI与机器人结合的热点。生数科技的路线图恰好为具身智能的产业化提供了分级评估框架。

在产业层面，不同级别对应不同应用场景。感知级可用于工业视觉检测，动态理解级可用于视频监控和内容审核，预测级可用于交通流量预测和天气模拟，规划级可用于物流调度和游戏NPC，行动级则直接驱动人形机器人或自动驾驶。生数科技跑通前两级，意味着其技术已具备在视觉相关产业落地的条件，比如智能安防或工业质检。

但产业落地不只是技术问题，还涉及成本、可靠性和标准化。朱军提出的五级路线，实际上为行业提供了一套“能力等级证书”——企业可以根据自身需求选择对应级别的模型，而不是盲目追求全栈能力。这种分级思维有助于降低应用门槛，但也可能让行业陷入“级别竞赛”，忽视实际场景的复杂性。具身智能的岔路口在于：是追求通用大模型，还是针对细分场景做深度优化？生数科技的选择是前者，但市场会给出最终答案。

中国AI团队的世界模型竞速：位置与差距

生数科技的路线图并非孤立事件。全球范围内，OpenAI、DeepMind、Meta等团队都在押注世界模型。OpenAI的Sora展示了视频生成中的世界模拟能力，DeepMind的Genie和Simula则探索交互式环境生成。相比之下，中国团队在语言大模型上已有一席之地，但在世界模型领域仍处于追赶位置。

生数科技的优势在于视觉生成技术积累和工程化能力。其团队来自清华等顶尖高校，朱军本人是ACM/IEEE/AAAI Fellow，学术背景深厚。但差距同样明显：算力资源受制于芯片限制，基础研究起步较晚，且缺乏像OpenAI那样的生态支持。五级路线图是中国团队试图定义规则的一种尝试——通过提出分级标准，抢占话语权。

然而，世界模型的竞争不仅是技术竞赛，更是数据、算力和人才的综合比拼。中国团队在数据规模上有优势，但在高质量数据和先进算力上仍有短板。生数科技能否在五级路线上持续领先，取决于其能否突破这些瓶颈。目前来看，中国AI团队在世界模型领域的位置是“有亮点，但未成势”。

未定之数：五级路线中的争议与空白

五级路线虽然清晰，但存在不少未定之数。首先，各级别之间的跃迁条件是什么？从感知到动态理解，再到预测，每一步需要什么样的模型架构和训练数据？朱军没有给出明确答案。其次，评测标准缺失。如何客观衡量一个模型达到了第几级？目前没有公认的基准测试，这可能导致“自说自话”的评级。

更深层的争议在于，世界模型是否真能通向AGI。批评者认为，世界模型只是对物理世界的模拟，但AGI需要抽象推理、社会认知等能力，这些未必能从视觉预测中涌现。朱军的路线图聚焦于物理世界，但忽略了语言和符号系统，这可能限制了模型的通用性。此外，五级路线隐含了“感知-认知-行动”的线性假设，但真实智能可能是并行或非线性的。

生数科技的研究成果证明了前两级的可行性，但后三级仍是空白。朱军没有透露时间表，也没有给出失败预案。这种不确定性既是挑战也是机遇——如果生数科技能填补这些空白，它将成为世界模型领域的定义者；如果失败，五级路线可能沦为又一个概念框架。目前，这些争议和空白尚无定论，但正是它们构成了世界模型研究的真正前沿。

参考来源

• WRC 2026｜生数科技发布最新研究成果，提出通用世界模型五级发展路线
• WRC 2026｜生数科技发布最新研究成果，提出通用世界模型五级发展路线