生数科技详解世界模型底座，覆盖视频生成与机器人行动
生数科技 · wechat · 2026-07-21
在 WAIC2026 期间，生数科技与万兴科技联合举办了“世界模型驱动下的 AI 影视生产力新范式”专题论坛。生数科技创始人朱军在长篇演讲中提出：AI 正从内容生成，走向理解世界、推演世界、并在世界中行动。
演讲主线
- 世界模型是下一代基础设施：朱军把世界模型看作语言模型、多模态模型之后的新阶段，目标是连接数字世界与物理世界。
- 机器世界模型的三项能力：理解环境、预测动作后果、在行动中学习。
- 视频优先的数据策略：训练依赖六层数据金字塔，核心数据包括互联网视频、第一视角人类动作视频和机器人操作数据。
- 统一架构 MoT：把理解专家、生成专家、行动专家整合在一个系统中，同一底座可按任务输出视频或机器人动作。
- 实时视频生成：其流式模型支持语音指令、角色设定、无限时长对话，最高输出 540P/42FPS。
- 具身智能：最新模型可控制多种机器人本体，完成插花、浇水等长程任务，并通过预测未来状态提升规划、安全性与稳定性。
- 效率提升：朱军强调，新版本在跨场景、跨任务泛化上明显优于旧版，且用更少数据学到更强能力。
整体上，这篇演讲不是简单介绍视频模型，而是在阐述生数对世界模型作为创作生产与具身智能底座的技术路线。
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