新闻量子位昨天

智象发布智能体化世界模型架构，原生全模态赋能具身数据合成

智象元一提出智能体化世界模型架构，融合LLM、通用世界模型与具身上下文。基于自研Unified Transformer实现多模态统一表征，可规模化合成毫米级高精度动作视频，突破真机训练数据瓶颈并构建商业化矩阵。

AI 整理

仿真与训练
数据与采集
具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：三条AI技术路线终将合流？智象创始人梅涛提出智能体化的世界模型（量子位）

核心内容

在2026世界顶尖科学家论坛上，智象元一创始人梅涛提出“智能体化全模态世界模型”技术路线，旨在解决物理智能发展中交互数据匮乏与闭环执行能力不足的问题。该架构主张大语言、多模态和具身大模型三条路线终将合流，通过统一Token空间实现思维与物理世界的对齐。目前中国大模型周Token调用量达93万亿，为该技术落地提供了算力与生态基础，推动AI从数字智能向具备物理理解能力的下一代世界智能演进。

技术上采用自研原生全模态Unified Transformer架构，对文本、图像、视频、位姿及力触传感器数据进行统一表征。系统由负责决策的LLM、模拟物理推演的Omni-Model及对接真实环境的Embodied Context三部分组成。基于此底座构建了包含HiDream-O1-World交互模型与HiDream-O1-Embodied具身模型的矩阵，能够规模化合成毫米级高精度动作视频，有效降低真机数据采集成本，并通过企业级平台HiHarness支撑AIGC营销与影视创作等上层智能体应用。

关键看点

三位一体架构：整合LLM决策大脑、Omni-Model世界模拟器与Embodied Context具身上下文，在同一Token空间内实现意图理解、物理推演与行动执行的闭环协同。
原生全模态表征：自研Unified Transformer架构，将文本、图像、视频、空间位姿及力触传感器等多源异构数据映射至统一特征空间，支撑跨模态理解与生成。
毫米级数据合成：利用世界模型规模化生成毫米级高精度动作视频，解决具身智能真机数据成本高、规模小的痛点，为策略训练提供高保真合成数据供给。
模型产品矩阵：推出HiDream-O1系列全模态模型，涵盖从静态图像、动态视频到空间交互及具身行动的完整能力栈，并通过HiHarness平台实现企业级部署。

工程与产业观察

该方案验证了世界模型作为具身智能“数据引擎”的工程价值。通过Unified Transformer统一表征多模态数据并合成毫米级精度动作视频，有效缓解了真机数据采集难题。其“LLM+世界模拟器+具身上下文”的三段式架构，为行业提供了从仿真推演到实机校准的标准化技术范式，加速了具身算法的数据飞轮构建。