WRC 2026｜智象未来发布 HiDream-O1-World，原生全模态世界模型从模拟走向交互

事件概述

8月19日，世界机器人大会（WRC 2026）期间，“物理AI引领者论坛暨2026《财经》中国AI 100榜单启动仪式”在北京举行。智象未来（HiDream.ai）创始人兼CEO梅涛发表题为《原生全模态世界模型：从“模拟世界”到“交互世界”》的演讲，提出大模型正在从多模态走向原生全模态、从模拟世界走向交互世界，并发布原生全模态交互式世界模型HiDream-O1-World。

核心观点

• 梅涛援引数据称，顶级大模型的IQ水平已从年初约130提升至接近140，但他强调“高IQ不等于全能”：擅长考试并不意味着能在真实物理世界中长期、稳定、可靠地完成任务，这正是Physical AI的价值所在。
• 大语言模型擅长理解、知识压缩与推理，多模态模型擅长生成与预测，具身交互模型擅长与环境交互；真正的世界模型需要同时具备对世界状态的完整表达、对物理规律和因果关系的推演，以及对世界的重构能力。
• 文本、多模态与具身三条技术路线正加速融合，2026年被许多人称为“世界模型元年”。

模型与架构

HiDream-O1-World基于自研UiT（Unified Transformer）架构，支持文本、图像和交互式操控等多模态输入，具备漫游、编辑、交互三项核心能力，可构建高还原真实空间，也能生成二次元卡通、3A游戏渲染等风格化世界。该模型首次参评即在权威榜单WBench中登顶Navi分榜。

其关键技术突破在于长时程的时空一致性与物理一致性：模型能在长时序交互中记住已探索的场景结构，并在复杂交互中保持较高物理合理性。应用方向上，HiDream-O1-World面向AI互动影游、具身智能高保真虚拟训练、3D场景生成等场景，可缩短从创意到成品的迭代路径。

数据—模型—智能体—具身闭环

梅涛认为，世界模型与具身智能的发展需要把数据、世界模型、智能体和具身本体连接起来：数据构建认知，世界模型负责理解世界状态并推演物理规律，智能体基于预测进行决策和规划，具身本体完成真实执行，环境反馈再回流为新的训练数据，形成“数据—认知—行动—反馈”的闭环飞轮。

数据底座包含互联网先验数据、仿真物理试错数据、真实交互数据三类。智象未来目前已积累近千万小时时长的视频数据。以与诺亦腾机器人的合作为例，利用原生全模态大模型对真实采集的人体动作数据进行增强，可以生成同一动作在不同背景、场景和肤色下均符合物理约束的视频，从而降低真实数据采集成本，让机器人先在仿真环境中学习，再到真实环境中操练。