一 | 近年来，我市深入贯彻以人民为中心的发展思想，以党建聚合力，以改革促发展，以服务惠民生，用心用情用力解决群众急难愁盼，不断将民生领域的“关键小事”办成百姓心头的“温暖大事”，民生保障、社会治理、社会服务等各项工作均取得显著成效。 搭建精准就业平台 激活民生“一池春水” 就业稳，民心安。 今年WAIC（世界人工智能大会）期间，许多人都在谈论世界模型，但说的未必是同一件事。 7月19日，在上海西岸国际会展中心，同一场论坛上，两种不同的声音先后登台。中国科学院院士、南京大学副校长周志华讲述了决策层世界模型依然面临的现实：推演误差和交互试错的高昂成本。作为民生之本、稳定之基、发展之源，就业与千家万户的切身利益息息相关。他的团队最近有些许进展，但这仍是他口中“正在探索的方向”之一，而非已经解决的问题。 昆仑万维董事长兼CEO（首席执行官）方汉则给出一种判断。近年来，我市以升级实施“雷锋在线365”扎根计划为动能，聚焦求职者和用工企业供需两端，通过市场聚合、部门联动、沈阳现代化都市圈多城互联、跨区域合作招聘等方式，全力破解“就业难”与“用工难”矛盾。围绕更好地推动人岗匹配，以线上线下“就业‘职’通车”为载体，创新深耕“双线招聘+成果展示+直播带岗+视频探岗+政策宣传+用工维权”一体化招聘保障服务模式，依托市、县（区）两级直播团队，搭建“固定直播间+流动直播点”双推介平台，畅通“人社局长走进直播间”“小何带您进企业”等线上服务通道，打造了“暖心服务工具箱”“锋暖课堂”“‘雷锋红’就业创业服务代办站”等就业服务品牌。“2026年是‘世界模型元年’。AI不再只停留在生成内容，而是开始理解世界怎么运行，预判行动会带来什么结果。 2023年以来，相继发出“就业‘职’通车”330列，开展“直播带岗”486场，“视频探岗”12期；通过“暖心服务工具箱”等滚动推送政策服务120期；组建“雷锋红”就业创业代办服务队31个；19项就业创业政策有效落实，实现城镇新就业1.82万人，失业人员再就业2.93万人，就业困难人员就业0.9万人。
二 | 今年年底前，全市“雷锋在线365舒心就业进基层”就业创业指导服务站点将达到75个，国家、省、市级充分就业社区77个。” 一个“探索中”，一个“元年”。
三 | 老旧小区改造 “面子”焕新 “里子”做实 老旧小区改造工程，也是我市重要的一项民生工程。产业已经在抢跑，但世界模型的地基还没打完。
四 | 同一个世界模型，公司各自“解题” 每家公司对世界模型的界定，几乎都精准卡在自己正在做的事情上。 腾讯不做硬件本体，只承担具身大脑平台的角色。腾讯首席科学家、Robotics X实验室主任、福田实验室主任张正友认为，机器人行业就像iOS与安卓、Mac与Windows，也会分化出“全栈自研”和“平台+生态”两条路，腾讯选的是后者。随着城市化进程不断深入，老旧小区改造成为提升城市品质、改善居民生活环境的重要举措。 在模型上，他认为VLA（视觉语言动作模型）短板明确，没有预测能力，而世界模型可以基于行动后果做预测。世界模型下一个有价值的方向，在于模型同时传递语言和图像信息，能推理，也具备想象力。 智象未来创始人兼CEO梅涛认为，一个真正的世界模型有三个要素：表达、推演、构造世界。
五 | 实现这些的关键在于，让模型真正建立起对物理世界统一的认知。这也就是智象未来坚持原生全模态大模型的初衷：不是做一个更大的拼接模型，而是在最底层把“世界的运行规律”刻进模型的DNA里，以统一的方式理解视觉、语言、动作和空间关系。
六 | 梅涛认为，如果我们仅仅是把世界进行复现，本质上只是在做现有知识的压缩、拟合与复刻。在这样的范式下，人类五千年文明积累的信息量上限，就是AI的能力上限。
七 | 2019年起，我市全面启动、实施城镇老旧小区改造工程，经过不断努力，这一工程深得民心，取得阶段性成果。 据了解，我市共有189个建成于2000年底前的城镇老旧小区，总建筑面积1035万平方米，涉及住宅楼2798栋，惠及居民17.07万户。市住建局作为我市城镇老旧小区改造工作牵头单位，积极组织开展工程实施。2019年至2023年，我市改造住宅楼2557栋，惠及居民16.02万户。
八 | 2024年，我市计划改造27个老旧小区，涉及住宅楼241栋，惠及居民10512户。 但他也坦言，现在包括视频、多模态、具身、3D在内的各种世界模型，离真正的世界模型还比较遥远。
九 | 生数科技同样基于视频数据训练世界模型，强调对物理世界的理解。生数科技CEO骆怡航认为，世界模型必须同时具备感知理解、预测想象、行动三个维度：“世界模型一定要刻画整个人与世界的交互规律，同时能驱动人与数字、物理世界打交道，这个定义应该具备很强的Foundation（基础）属性。
十 | ” 作为PhysX物理引擎奠基人之一的张立华，同时也是复旦大学长聘特聘教授、飞捷科思创始人、中国人工智能学会人机融合智能专委会主任，他的判断标准落在是否符合物理规律上。目前，已完成楼体保温16.6万平方米、完成路面硬化28919平方米，已改造“三供”（供热、供水、燃气）管网140.28公里。 他认为，现有的主流世界模型基本还是数据驱动的视觉模型，难以把物理规律准确地嵌入模型里。 精准发力“保交房” 全力以赴“惠民生” “保交楼、保交房”工作，一边连着百姓福祉，另一边连着城市发展。
十一 | “虽然你看了很多图像、视频等数据，形成了一定的物理直觉的能力，但这个能力也存在限制，就像人的物理直觉一样，虽然能够在某些条件下给出相对准确的趋势判断，但并不能保证所有情况下判断的准确性和真实性。虽然你看了很多，但不等于你抓住了这些表象背后的物理机制。” 世界模型定义还存在争议，但不影响各大公司卡位。
十二 | 昆仑万维不再局限于视频（SkyReels）、音乐（ Mureka ）等AI生成内容的业务线，开始向世界模型、机器人模型等物理AI叙事框架转变。生数科技并不瞄准单一场景，而是希望做好通用能力，用同一个模型驱动不同本体去做不同的任务，半天到一天内就能适配部署。为推进“保交楼”交付工作，我市实行了“一个项目、一套班子、一个方案、一抓到底”的“四个一”工作机制。
十三 | 成立“保交楼工作专班”下沉项目施工现场保进度、保质量、保安全，在“保交楼”攻坚阶段，组建以国有专业公司为主的突击队伍，督导按时保质保量兑现交楼承诺。通过开展“工地开放日”活动、制定“重点项目公示牌”等方式畅通群众监督渠道，有效消除购房者对项目工程的各种疑虑和诉求。 为方便购房业主进一步了解施工进度及质量等情况，“保交楼工作专班”还与购房业主代表建立微信群，由购房业主推荐“义务监督员”，每周到项目现场实地查看项目建设情况，推进项目实施竣工。飞捷科思则发起“物理智能创新联合体”，联合32家单位，定位成国产世界模型的操作系统底座。截至目前，我市提前完成了“保交楼、保交房”任务。
十四 | 谁能先抓住“世界模型”这顶帽子，谁就先占住了故事的入口。
十五 | 化解不动产“登记难” 为不动产“解冻”让权益“归位” 我市聚焦“痛点、堵点、难点”，进一步推动整治不动产“登记难”问题化解工作，加快为“不能办证”项目群众办理不动产权证书。一位投资人曾透露，他年初见过一家具身智能公司，能讲出非常好的应用场景，时隔三个月后便开始讲世界模型的故事，“这是很现实的问题”。
十六 | 模型存短板，不能完全信任 世界模型对物理世界的理解，还存在欠缺。开设 “不能办证”项目小区专用办理窗口，实现购房群众即来即办。
十七 | 破壳机器人创始人许华哲提到，即便现在的模型已经能做到不错的像素级预测，也不能完全信任它。“只要是模型生成出来的东西，就一定带着模型自己的特性，如果在这样的仿真器里学策略，很容易拟合到模型的特性，而不是真实世界的特性。” 要补上这个缺口，模型需要两个方向：一是让模型本身更懂物理规律，二是让模型学习的环境足够真实。 前一个方向，是视频生成厂商正在做的事，押注的是底层算法架构和高质量数据实现跃升后，模型自己能把物理规律“悟”出来。
十八 | 智象未来选择视频、全模态到世界模型这条路径，因为“互联网视频数据非常多，这些数据已经包含许多物理规律、因果关系在内”。并自研了UiT（Unified Transformer）架构，在数据端则涵盖了20万小时版权数据，覆盖超70%华语电影资源的行业多模态语料库。 生数科技则用MoT架构（可以理解为是一种稀疏、多模态Transformer架构）把理解、生成和行动整合在一起，而非“先理解、再规划、再动作”的分步路线。
十九 | 同时，开设专场为有需求的“不能办证”问题项目小区群众集中办理不动产登记。 模型“悟”出规律，还得放到仿真环境里训练和验证。如果仿真环境本身的物理规律不够真，模型学到的东西再像，也经不起真机上的检验。这就是飞捷科思在做的事，给模型提供可信的训练地基。 目前，已为全市121个“不能办证”项目小区41890户具备登记条件群众办理了不动产登记，分户登记化解率达94.51%。 责任编辑：刘春阳。 一切源于张立华团队的踩坑经历。他的复旦实验室团队，早年也用过其他商用具身仿真平台做仿真训练，“仿真的时候机器人表现得非常完美，但我们把实机都造出来后，再一验证就发现不行”。后来团队排查发现，其底层的物理引擎动量并不守恒，仿真训练了很久，但因为模拟的物理规律并不符合现实世界的物理规律，导致训练好的算法不能在真机上复现。 经历这一教训后，团队没有急于继续扩大模型训练，而是转向自研底层物理引擎和仿真训练平台，目的就是要提升物理引擎和仿真训练平台的精度和能力。进一步，他们做出了全新一代物理世界模型Fysiverse，其架构是创新的“显式物理模拟器+生成式渲染器”双驱动，让生成模型继续发挥视觉表达优势，用物理引擎补因果建模的短板。 张立华认为，现在绝大部分模型还是以端到端为主，很少体现推理能力，但一个真正通用、有泛化性的模型，未来一定要具备推理能力。
| “遇到物体位置突然变化这类情况，机器人应该可以像人一样及时做出判断并调整策略，而不是只靠预训练学到的反应去执行。”而这种推理能力的训练，同样需要物理真实的仿真环境来支撑。 第一人称视角数据缺失，补法却不一样 模型要学好，除了要有对的架构和环境，还需要足够多的数据。具身智能下一步，需要大量第一人称视角的操作数据，也就是以人的视角拍到的、真实操作物体时的视频。 视频生成厂商正在把自己的生成能力延伸向用于模型训练的数据供给。这背后是世界模型对高质量数据的渴求。梅涛提到，目前容易获取的数据基本已经被拿得差不多了，但真正高质量、有私域价值的数据反而越来越难拿到。
| 梅涛谈到智象未来与一家机器人公司的合作：对方提供人类带着夹爪操作的仿真数据，每个关节点精度大概在毫米级；智象未来反过来生成一份不带夹爪的真人第一人称实操视频，和原始数据一一对齐。“用这样的视频可以做增广，一份高精度、带夹爪的视频，能生成出上百到上千份不同背景、肤色、形态的版本，同样保持高精度。” C端的数据采集，目前还停留在比较原始的阶段。许华哲提到，现在主要是靠58同城、猎聘这类公司，派人带着采集设备上门去拍；下一步可能是把采集设备直接寄到普通人家里，让人边带娃或边做自媒体，边采数据赚点钱。 究竟需要多少量级的数据，行业还在探索。启明创投给出一个参照：头部机器人公司的有效数据，会从2025年的“万小时级”，跃升到2027年的“百万小时级”，其中人类第一视角数据将占绝对主导。 而数据恰恰是行业难以共享的东西。许华哲提到，数据是具身智能里最核心的资产，几乎没人会真正把它开源出来，网上很多号称开源一万小时的数据集，点开可能只有五十小时。 当行业有人喊出“元年”时，学界在解理论“死结”，厂商在用同一个词争不同的定义。模型在往前跑，地基在往下打，中间还缺数据。世界模型在还没被讲清楚前，就已经被相信了。 新京报贝壳财经记者 韦英姿 编辑 王进雨 校对 穆祥桐。
Current article:http://k37c2p.qiuergejiaolaiaozhuangshi.buzz/list_tg1i868/ai7.html
Published on:13:59:07
