全球首个通用世界基座模型 Physis-v0.1：AI 从预测词元到预测物理状态的范式变革

一次不大喧哗、但可能很深的发布

2026 年 6 月 12 日，第八届北京智源大会在中关村国际创新中心开幕。这种规格的大会，每年都会发布一堆新模型、新工具、新路线图，媒体习惯了挑参数最大的那个写。但今年有一项发布，虽然不太会被新闻标题捕获，却可能是整个大会最重要的信号——智源研究院发布了悟界·Physis-v0.1，他们称之为全球首个通用世界基座模型（General World Foundation Model）。

它的核心信息听起来有点”反直觉”：不去做更大的语言模型，而是做一个真正能理解物理世界的模型。

智源研究院院长王仲远在大会上说了一句话，值得所有关注 AI 方向的人多读几遍：“竞争已经不是谁的参数更多，而是模型能否真正理解世界如何运转。我们正从预测下一个词，转向预测世界下一个状态。“

到底什么是”通用世界基座模型”

如果把大语言模型比作一个读过所有书、但没碰过任何实物的书生，那世界模型就是一个动手操作、观察因果、逐渐理解万物运作规则的学徒。

Physis-v0.1 做的事，是跳出过去几年 AI 最主流的工作方式——“预测下一个文本 Token”。它换了一套底层逻辑：把来自真实世界的视频、RGB-D 深度图、3D 点云、力触反馈等多模态信息，统一编码成”物理状态 Token”，然后让模型学会预测”下一个物理状态”。

这不是一个微调版本或增量升级。从范式层面看，它和 LLM 的差别，相当于天气预报从”翻历书”变成了”建流体力学方程”。

具体来说，Physis-v0.1 有三个跟传统语言模型根本不同的设计特点：

第一，它把”物理正确性”当作第一性原理。 一个物体被推一下会往哪个方向倒？水倒进杯子会不会溢出来？这些在语言模型里只是文本统计模式的问题，在物理世界模型里变成了可预测、可验证的运行结果。Physis 通过物理隐空间表征，不再是每一帧像素级别的生成，而是直接对物理状态做预测。

第二，它有长程一致性。 语言模型写长文常常”忘记前面说了什么”，但物理世界的因果链条不允许这种走神。Physis 支持 50 多个复杂物理场景的长程推演——想象一下，一段 10 秒的视频包含了碰撞、流体、形变、光影变化，模型需要在整个过程中保持物理自洽。

第三，它是通用的，不是专用。 过去也有做物理仿真的 AI 模型，但往往只针对单一场景（比如只做流体，或者只做刚体碰撞）。Physis 的野心是成为”物理世界的基础底座”，覆盖严肃工业仿真、具身智能决策、科学发现模拟等多个大类场景。

为什么要在这个时间点关注”世界模型”

如果把 2026 年上半年的 AI 产业画一张图，你会看到两条截然不同的曲线：一条是语言模型的红海竞争——每个月的模型榜单都在刷新，但用户已经开始对”比 GPT 又强了几个点”感到麻木；另一条则指向一个更底层的问题——AI 如果真的要从”数字世界走进物理世界”，它必须先学会理解物理规律。

这也是为什么 2026 年的智源大会，主题重心已经从”悟道”（语言大模型）转向”悟界”（世界模型）。这不是一次简单的品牌更名，而是对 AI 下一阶段发展重心的判断：语言理解的上限正在接近，而物理世界理解才刚刚起步。

更值得注意的一个背景是：世界模型这条赛道上，全球顶尖机构几乎在同时发力。OpenAI 被多次报道在探索世界模型的方向，Google DeepMind 的 Genie 系列也是同一方向，英伟达年初发布了 Cosmos 物理 AI 平台。而智源这次抢在所有人之前，用”通用世界基座”这个定位把旗插下了——谁先定义”通用世界基座”，谁就掌握了物理 AI 时代的话语权。

大会现场还展示了另一个名为 RoboBrain Orca-v0 的模型，它更像是朝着”类人认知”方向走的一个分支。但 Physis 才是这场大会真正的底牌。

开源路线：智源的态度值得注意

智源这次没有把 Physis 当成商业产品藏着，而是延续了它一贯的开源路线。整个”悟界”系列模型都会逐步开源，包括 Physis-v0.1 的权重和底层技术报告。

这一点放在当前的行业格局里看很有意思。就在智源大会开幕的同一天，美国政府刚宣布强制下架 Anthropic 的 Fable 5 和 Mythos 5，对所有非美国公民切断访问权限。全球 AI 供应链正在被地缘政治加速撕裂。在这种背景下，一个由中国顶级研究机构发布的、开源的、面向物理世界的通用基座模型，战略意义已经远远超出了技术论文的范畴。

回头来看，王仲远那句”竞争不再是参数数量的竞争”，既是对技术方向的判断，也是对整个行业叙事的一次重新定调。

距离”真的能用”还有多远

必须诚实地说，Physis-v0.1 还只是 v0.1。它目前覆盖的 50 多个物理场景虽然已经涵盖了碰撞、流体、刚体变形等关键类别，但离”一个模型理解整个物理世界”还有很长的路。

不过，世界模型这个方向本身就是一场长跑。重要的不是 Physis 今天能做到什么，而是它定义了接下来几年的架构方向。正如语言模型从 GPT-2 到 GPT-4 用了四年，世界模型也需要一个从 “v0.1 能跑通”到 “v1.0 能落地”的演进过程。

智源把发布时间定在 2026 年 6 月，这件事本身就有很强的信号意义：在 LLM 的军备竞赛进入存量博弈的阶段，谁能先在下一条跑道插上旗，谁就更有可能定义下一个十年。

总结

Physis-v0.1 的发布，代表 AI 行业内部一条新的分界线正在形成。一边是继续在语言模型上堆参数、拼上下文长度的存量竞争，另一边是走向物理世界、理解因果关系、为 AI 赋予”物理直觉”的新赛道。

这不只是一个技术路线的选择，它背后是对”智能到底是什么”这个根本问题的不同回答。语言模型认为智能源于文本中的模式；世界模型认为智能始于对物理世界因果关系的理解。如果后者的方向是对的，那么今天语言模型的所有排行榜，在十年后都可能只是 AI 历史的一个序章。

而对中文 AI 生态来说，Physis-v0.1 是少数几个可以称得上”定义了一个领域方向”的发布。它不一定能立刻上生产环境，但它把一道之前没有人认真去答的题，摆上了桌面。