生数科技称世界模型将连接数字内容与物理行动
生数科技 · wechat · 2026-07-21
在 WAIC2026 期间，生数科技与万兴科技举办了“世界模型驱动下的 AI 影视生产力新范式”论坛。生数科技创始人、清华大学朱军的演讲核心判断是：AI 正从“生成数字内容”走向理解、预测并行动于物理世界。
主要内容
- 世界模型的定位：他把世界模型定义为连接数字世界与物理世界的基础设施，核心能力是理解、想象/预测和行动三位一体。
- 数据体系：训练依赖多层数据金字塔，从互联网视频、第一视角动作视频到机器人操作数据，视频被视为最重要的数据载体。
- 统一架构：生数提出 MoT 统一架构，把理解专家、生成专家和行动专家整合到同一个模型里。
- 视频模型实时化：其视频模型已可做实时流式生成，支持语音指令交互，最高可输出 540P、42FPS。
- 具身智能：新模型还能驱动异构机器人，把文字任务拆成动作序列，并通过对未来状态的预测来提升规划稳定性。
这篇内容的主线不是“视频模型又升级了”，而是生数对世界模型作为新基础设施的完整技术路线阐述。
所属事件:生数科技探讨世界模型驱动AI新范式(2 条相关)→
「多模态」频道最新
- 微调后的 Krea 2 raw 模型做出了一张雨夜驾驶图 — darlens13 · 2026-07-27
- 有人在问 Video2X 能否加载 OpenModelDB 自定义模型 — Used-Profit2355 · 2026-07-27
- 有人想让 AI 逆向拆解爆款视频特效成 ComfyUI 流程 — stale2000 · 2026-07-27
- Midjourney V8.2 加入个性化并展示新图像效果 — Mr_AllenT · 2026-07-27
- Midjourney 图像多样性引发 Krea 2 对比与复现提问 — diffusion_throwaway · 2026-07-27
- AI 短片把 1985 年反乌托邦拍成电影感作品 — ProfessorKey98 · 2026-07-27