智象梅涛：三条AI技术路线将合流为智能体化世界模型

在第二届国际工程智能大会上，加拿大工程院外籍院士、智象元一（HiDream.ai）创始人兼 CEO 梅涛发表演讲，正式提出智能体化的全模态世界模型（Agentic Omnimodal World Models），指明了通向下一代世界智能的技术路径。

数字智能与物理智能的断层

AI 模型聚合平台 OpenRouter 数据显示，全球大模型调用规模已进入爆发期。截至 2026 年 10 月，中国周 Token 调用量达 93 万亿，是美国的 4.16 倍，已连续 26 周位居全球第一。AI 正在迅速成为全社会的基础设施。

与此同时，在递归自我改进（RSI）机制的驱动下，模型迭代周期已从 2023 年的约 12 个月缩短至以周为单位。但在能力飞速演进的背后，AI 发展的非均衡性愈发明显：

• 数字智能（Digital AI）：文本交互、代码编写、视频生成乃至前沿数学研究均已比肩甚至超越人类专家，OpenAI 等机构已公开数百项开放性数学成果。
• 物理智能（Physical AI）：由于对物理规则理解不足、交互数据匮乏以及闭环执行能力有限，其落地进展相对缓慢。

梅涛认为，跨越数字智能与物理智能之间鸿沟的核心桥梁就是世界模型——让 AI 在同一框架下理解世界运转逻辑、建模因果关系，并推演未来变化。

三路合一：智能体化全模态世界模型

目前，通往世界模型的路径分化为三条：大语言模型路线、多模态路线和具身大模型路线。梅涛指出，这三者并非对立，长远来看必将走向深度融合，形成“智能体化世界模型”，由三大支柱协同构成：

1. 大语言模型（LLM）：充当智能体的决策大脑，负责意图理解、逻辑推理与任务规划。
2. 通用世界模型（Omni-Model）：作为世界模拟器，依据意图模拟物理世界运行，推演行动后果并预判下一步状态。
3. 具身上下文（Embodied Context）：直面真实物理环境，执行具体行动，并将实际观测数据实时回传，用于校验和微调世界模型。

这一架构最终实现 “One Token Space, One World”，让机器的思维空间与物理世界在同一套统一表征中达成对齐。

智象的技术落地与商业化布局

围绕这一构想，智象自研了原生全模态（Unified Transformer）模型架构，将文本、图像、视频、空间、位姿、触觉感知等多元模态统一表征。基于该架构，智象构建了完整的产品演进阶梯：从静态图像模型、动态视频模型，逐步扩展至交互模型 HiDream-O1-World 与具身模型 HiDream-O1-Embodied。

在商业落地层面，智象已确立“1+1+3”架构体系：

• 底座：原生全模态世界模型矩阵。
• 中间层：HiHarness 企业级模型平台，整合自研 HiDream-O1 系列及全球主流模型。
• 应用层：覆盖商业营销的 AI 智能体 HiBurst、面向影视创作的“帧赞”，以及内容创作智能体 vivago。

在前沿应用上，该世界模型不仅能通过生成毫米级精度的动作视频解决具身智能训练数据匮乏的问题，还在生命科学领域实现了多尺度生物影像表征，帮助预测细胞演化，为药物研发提供前置筛选支持。