> **来源：[研报客](https://pc.yanbaoke.cn)** # BAAI2026大会总结：AI从语言智能走向物理世界 ## 核心内容 2026年6月12-13日，第八届北京智源大会在北京中关村国际创新中心举行，会议聚焦AI技术从语言智能向物理世界的演进，强调**世界模型**作为下一阶段AI发展的主线。大会吸引了来自30多个国家和地区的嘉宾，包括12位图灵奖得主及千余位顶尖专家，累计注册参会人数超过60万人次。本届大会特别关注**Agent、具身智能、AI for Science、世界模型**等方向，并发布了多个重要成果，包括悟界·Physis-v0.1、悟界·RoboBrain Orca、悟界·Brainμ1.0、悟界·OpenComplex2.5及多款智能体。 ## 主要观点 ### 1. 世界模型成为AI发展的新范式 - 世界模型是AI从数字内容生成走向物理世界交互的核心技术。 - 与语言模型不同，世界模型的目标是**理解物理状态、预测物理变化、学习物理规律**。 - 世界模型将作为连接多模态感知、因果推理、长期规划和自主决策的底层技术基础。 ### 2. 具身智能的演进方向 - 具身智能正在从“看懂场景”向“预测行动后果”转变。 - 机器人智能的瓶颈不在于识别能力，而在于能否在复杂环境中**理解动作与结果之间的因果关系**。 - 具身智能将推动**端侧部署、实时控制、跨场景泛化**等系统能力的竞争。 ### 3. AI for Science进入系统化阶段 - AI for Science不再是单一任务的辅助工具，而是逐步形成**数据标准化+基础模型+科研工作流**的系统化阶段。 - 悟界·Brainμ1.0面向神经科学，实现跨物种、跨模态、跨任务的统一表征。 - 悟界·OpenComplex2.5面向生命科学与药物发现，覆盖**口袋识别、反向筛选、结构预测、亲和力预测**等关键任务。 ### 4. 国内AI发展新方向 - 未来AI发展应聚焦**世界模型、具身智能、AI for Science、国产软硬件生态**的协同突破。 - 这些方向一旦形成真实场景闭环，将带来**更持久、更结构性的产业机会**。 ## 关键信息 ### 1. 悟界·Physis-v0.1 - 定位为**通用世界基座模型**。 - 以**物理隐空间表征**替代传统像素或帧级预测方案。 - 搭载专属物理状态编码器，支持视频、深度RGB、3D点云、力触反馈等多模态信息统一处理。 - 支持**50+复杂物理场景长程推理**，具备**物理一致性、动作因果可溯、长程一致、通用泛化**四大能力。 ### 2. 悟界·RoboBrain Orca - 核心是**以物理状态预测构建具身大脑**。 - 融合大量**Ego-centric交互数据**，强化世界模型的具身表征。 - 提升**少样本与跨场景泛化能力**，支持在真实环境中稳定执行。 ### 3. 悟界·Brainμ1.0 - 全球首个**统一的多模态神经科学大模型**。 - 实现**跨物种、跨模态、跨任务**的多模态对齐。 - 统一Token化，支持EEG、fMRI、MEG、fNIRS、神经像素、钙成像等脑信号。 ### 4. 悟界·OpenComplex2.5 - 面向**AI驱动药物发现**，覆盖制药四大关键步骤。 - 在多项核心指标上超越传统物理方法（如FEP+、P2Rank）和其他AI模型（如AF3、BioEmu）。 - 支持**结构预测、亲和力预测、反向筛选、动态优化策略**等任务。 ## 产业机会展望 - 国内AI的下一阶段发展不应仅关注**大模型参数规模**，而应重视**世界模型、具身智能、AI for Science和国产软硬件生态**的协同突破。 - 这些技术一旦形成真实场景闭环，将带来更持久、更结构性的产业机会。 - 世界模型和具身智能的结合，将推动AI在**机器人、工业仿真、自动驾驶、科学发现**等高价值场景中的落地。 ## 风险提示 1. **市场竞争加剧**：随着技术发展，世界模型和具身智能领域将吸引越来越多的参与者。 2. **技术验证不及预期**：世界模型在物理推演、因果推理等复杂任务中的表现仍需进一步验证。 3. **产品落地不及预期**：尽管技术进展显著，但实际应用中可能面临传感器、算力、控制等系统的集成难题。 ## 总结 本次北京智源大会标志着AI研究正在从**语言智能**向**物理世界智能**转变。世界模型成为下一阶段的核心技术，具身智能和AI for Science的结合将推动AI在复杂物理环境中的应用。悟界系列模型的发布展示了国内在这一领域的系统性布局与技术突破，为未来AI在真实世界中的落地提供了重要支撑。