中新经纬 6 月 12 日电 ( 谢婧雯 ) " 这是一片未知的技术旷野，没人知道正确的路在哪，但有个大致正确方向。" 谈及世界模型，具脑磐石联合创始人、CEO 朱森华近日接受中新经纬采访时说。

具脑磐石朱森华 受访者供图

" 像人一样持续学习 "

朱森华曾在华为 AI 算法创新实验室从事具身智能及其类脑算法创新工作，如今创立具脑磐石，专注类脑智能驱动的认知世界模型研发。

对于近来热度持续攀升的世界模型，朱森华指出，世界模型与普通 AI 的最根本的区别在于前者具备像人脑一样的可持续学习、思考能力。今天主流 AI 的核心是 " 拟合 "，即给模型喂数据，从数据中拟合规律。而世界模型指向的目标，是让 AI 能够进行因果推理、抽象概念想象和未来愿景规划，其特征可概括为低数据、高泛化、终身学习与低功耗。

1990 年，被誉为 "LSTM ( 长短期记忆网络 ) 之父 " 的 J ü rgen Schmidhuber 在论文中首次引入 " 世界模型 "，其理论底座来自认知神经科学中的 " 心智模型 "。2022 年，图灵奖得主 Yann LeCun 提出了以世界模型为核心的自主机器智能路线。

回溯概念源头，朱森华强调，如今不少人把 3D 环境生成、AI 视频生成、物理仿真也称为世界模型，但严格来说，它们只解决了视觉真实、物理真实等问题，并未产生真正的智能。真正的世界模型，必须指向人脑独有的抽象智能。

他举例：传统数据范式下，要让机器人在家庭场景中完成吃饭喝水任务，需要近乎穷举各种碗和杯子的型号、颜色、位置等数据。但如果有世界模型支撑，即便把机器人丢到一个从未有过数据样本的原始森林中，它也不会 " 饿死 "。

" 没有碗和筷子，它会找椰子壳，拿根树枝也能把饭吃了。这就是我们想要的抽象泛化能力。" 朱森华说。

最难的那一层，是人脑

朱森华将世界模型的能力划分为五层。最底层是视觉真实，往上依次是物理真实、交互真实，最顶层的则是 " 逼近人脑的智能能力体系 "。突破这一最高层面临着两重难点。

其一，认知神经科学理论体系的成熟度仍然不足。脑科学是人类科学中最前沿的领域之一，目前系统性的理论指导和神经机制的建模进程还相对缓慢。其二，人才储备匮乏。把神经机制转换成算法和数学推理模型，需要专攻计算神经科学的研究者，但相比于计算机科学，全球范围内有能力开设相关课程与专业的院校占比小得多。

朝着逼近人脑智能的目标，全球不同实验室正在分路径探索。朱森华认为，大体可将其划分为两派：一是通过遥操作轨迹、仿真环境、视觉摄像头等途径大量生产、训练数据的 " 数据工程 " 流派；二是以 Transformer 等架构为核心，着力提升模型挖掘数据和学习泛化的能力，持续改进神经网络结构的 " 算法范式 " 流派。

" 从大语言模型开始，人类第一次感知到有可能造出具备一定涌现能力的智能体。" 朱森华说，这驱动了全球学术界和产业界持续投入。但他坦言，当前具身智能的 " 本体 " 和 " 大脑 " 都还处于 " 半吊子 " 状态，解决方案仍在场景探索和产业转化的 0-1 阶段，距离大规模商用复制很远。

( 更多报道线索，请联系本文作者谢婧雯：xiejingwen@chinanews.com.cn ) ( 中新经纬 APP )

中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其他方式使用。

责任编辑：常涛 李中元

更多精彩内容请关注中新经纬（jwview）官方微信公众号。