精华速览
2026年9月,语言模型GPT-6 Astra在机器人操作评测基准RoboDojo-Sim上未做专项训练即拿下42项任务平均成功率第一,引发“语言模型能否替代世界模型”的讨论。一个多月后,西湖大学成立世界模型研究中心,由工学院助理教授于开丞牵头。于开丞2023年从自动驾驶数据成本困境切入世界模型,2024年用世界模型方案在ECCV挑战赛夺冠,近期发布40亿参数通用世界模型Awomo-0.5,在六个国际评测榜单登顶并开源代码权重。他判断语言模型擅长思维链推理,但机器人控制要求实时响应,两者是适配方向不同而非替代关系。
要点透视
- 2026年9月,GPT-6 Astra在RoboDojo-Sim的42项机器人操作任务上取得平均成功率第一,反超40个公开机器人策略,且未针对机器人做专项训练。
- 于开丞2023年在阿里巴巴达摩院启动世界模型探索,后因集团收缩探索性研究转入西湖大学,2024年以世界模型方案参加华为“极端场景生成”ECCV挑战赛并夺冠。
- 西湖大学世界模型研究中心于2026年10月前后成立,校长施一公出席,定位为校级交叉科研平台,第一期合作伙伴包括德国机构及国内公司、创业团队。
- 通用世界模型Awomo-0.5为40亿参数,在Physics-IQ、RoboTwin-c2r、MolmoSpaces、RoboDojo Sim等六个评测基准上排名第一,代码和权重全部开源。
- 于开丞的产业公司数智2026年1月成立、8月对外亮相,团队约40人,含20名学生和20名正式员工,由AutoLab实验室孵化。
- 技术路线上,于开丞从像素生成转向隐空间路线,与Yann LeCun方向一致,但对其具体架构持谨慎态度;通过扩大训练规模和引入文字caption约束抑制表征坍塌。
- 于开丞认为语言模型实现具身操作依赖code as policy,换环境需重写代码,而机器人控制要求实时响应,语言模型“想”两三秒即可能导致任务失败。
- Awomo-0.5研发周期约四个月,团队称榜单投入平均人力仅半人到一人,采取多类型榜单同时评测的方式降低单榜刷分嫌疑。
文章拆解
这轮讨论的起点是一个颇具冲击力的评测结果:一个通用语言模型在机器人操作榜单上反超众多专用策略。若只看数字,容易得出“世界模型多余”的结论;但于开丞的反驳落在任务性质上——语言模型依赖逐步推理和代码生成,适合文本等可等待的场景,而机器人控制是实时闭环,推理耗时两三秒就足以让任务失败。换言之,榜单衡量的是任务完成率,未必覆盖实时性、物理一致性和泛化到新环境的成本,这正是世界模型被主张不可替代的核心逻辑。
从产业背景看,于开丞的转向并非追逐风口。他2023年在达摩院从自动驾驶切入,动机是每遇新场景就要重新采数据、走流程,成本高且上限受限;扩散模型在图像生成上的成熟,让团队尝试生成符合3D投影与物理关系的场景视频。达摩院收缩探索性研究后,他把题目带回高校,2024年用世界模型方案在极端场景生成挑战赛中胜出,先于Sora带来的热度验证了路线可行性。这段经历解释了为何他强调世界模型是“像Transformer一样的通用技术”,而非某个具体产品的附属功能。
值得关注的是路线分化背后的目标差异。于开丞把LeCun的物理理解与操作、李飞飞的空间智能与虚拟资产业务、英伟达的物理仿真与GPU算力生意,归因为各自基因决定取舍。他本人从像素路线转向隐空间,理由是隐空间可继承语言模型已建立的语义结构,降低从零学习视觉与语义的双重难度;同时以文字caption作为外部约束抑制表征坍塌。这一选择是否在更大规模训练下仍成立,尚待确认。
对行业和用户而言,Awomo-0.5以40亿参数、开源权重在六个榜单登顶,说明中小资源团队在通用世界模型上仍有身位机会,但榜单与真实物理世界之间的虚实差距是明确变量。于开丞自己也承认榜单并非100%可信,团队补充了真机测试。潜在风险在于:多榜同时评测虽降低单榜过拟合嫌疑,仍无法完全代表落地能力;世界模型定义尚未统一,把视频生成、具身智能与世界模型混谈,可能抬高预期、模糊技术边界。西湖大学研究中心的跨学科定位——用世界模型驱动生物、化学等基础科研——能否从概念走向可验证成果,是下一阶段最值得跟踪的观察点。

暂无评论。