加拿大工程院外籍院士、智象元一（HiDream.ai）创始人兼CEO梅涛：构建智能体化全模态世界模型，迈向下一代世界智能

近日，2026世界顶尖科学家论坛第二届国际工程智能大会举行。加拿大工程院外籍院士、智象元一（HiDream.ai）创始人兼CEO梅涛在会上提出，构建智能体化全模态世界模型（Agentic Omnimodal World Models），迈向下一代世界智能。

AI扩张仍在加速。OpenRouter数据显示，截至今年10月，中国周Token调用量93万亿，为美国的4.16倍，连续26周全球第一。梅涛认为，AI正从“工具”变为像水、电一样的基础设施，模型迭代也从12个月压缩到按周。

能力越强，短板越明显。数字智能（Digital AI）从文本、代码到视频生成、数学研究，已比肩甚至超越人类专家，OpenAI近期一次性公开377项数学成果；而物理智能（Physical AI）受制于物理理解薄弱、交互数据匮乏、闭环执行不足等问题。世界模型正是跨越这道鸿沟的桥梁：统一理解与生成全模态信息，对世界状态、物理规律与因果关系建模。

不同的技术路径通往世界模型，这成为了AI发展的下一个竞争焦点。当下产业界已经形成大语言、多模态和具身大模型三条演进路线。未来三条路线，将迈向智能体化世界模型。

智能体化世界模型分三层：LLM作决策大脑，负责理解意图与任务规划；Omni-Model作世界模拟器，推演行动后果；Embodied Context对接真实环境，执行行动并回传数据校准。三者协同，指向“One Token Space, One World”——在同一Token空间统一思维与物理世界。

对世界模型的思考，内化而成了智象的产品哲学与技术基因。智象自研原生全模态（Unified Transformer）架构，让文本、图像、视频、空间、位姿、力触、传感器等所有模态实现统一表征；基于这一底座，模型矩阵从图像、视频延伸至交互模型HiDream-O1-World与具身模型HiDream-O1-Embodied，完成从静态图像、动态视频，到空间交互、具身行动的能力演进。商业化上，智象已形成“1+1+3”架构：底层是原生全模态世界模型矩阵，中间通过企业级模型平台HiHarness，汇聚自研HiDream-O1全模态系列模型及全球顶尖模型，最上层是三个智能体——商业营销智能体HiBurst、影视创作智能体“帧赞”和内容创作智能体vivago。与此同时，智象也在推动世界模型在前沿领域落地：在具身智能领域，世界模型可规模化合成毫米级高精度动作视频，突破真机数据成本高、规模小的瓶颈，为真机训练提供数据供给；在生命科学领域，智象与合作企业通过多尺度生物影像的统一表征，实现细胞演化的理解与预测，为药物响应评估提供前置参考，在实验前筛选更值得验证的方案。

从生成画面到构建世界，这不是能力的线性升级，而是AI演进方向的转变。当物理规律成为AI的底层语言，世界才会真正敞开。