智象提出智能体化全模态世界模型 瞄准物理智能短板
要点
2026年11月，在2026世界顶尖科学家论坛第二届国际工程智能大会的演讲中，智象元一（HiDream.ai）创始人兼CEO梅涛提出构建智能体化的全模态世界模型（Agentic Omnimodal World Models），将其指向“下一代世界智能”。梅涛的另一个身份是加拿大…
2026年11月，在2026世界顶尖科学家论坛第二届国际工程智能大会的演讲中，智象元一（HiDream.ai）创始人兼CEO梅涛提出构建智能体化的全模态世界模型（Agentic Omnimodal World Models），将其指向“下一代世界智能”。梅涛的另一个身份是加拿大工程院外籍院士。
梅涛认为，AI正从“工具”演变为像水、电一样的社会基础设施。模型聚合平台OpenRouter的数据显示，截至今年10月，中国周Token调用量达到93万亿，是美国的4.16倍，连续26周位居全球第一；与此同时，模型迭代周期已从2023年的12个月缩短至按周推进。
在梅涛的框架中，智能体化世界模型由三部分构成：语言模型（LLM）作为决策大脑，负责理解意图、生成推理与制定任务规划；通用世界模型（Omni-Model）作为世界模拟器，基于意图推演行动后果并预判下一步动作；具身上下文（Embodied Context）对接真实物理环境，执行具身行动并回传观测数据用于校准。三者协同，目标是实现“同一Token空间里思维世界与物理世界的统一”。
梅涛将智能体化世界模型视为跨越数字智能与物理智能鸿沟的桥梁。他指出，数字智能在文本交互、代码、视频生成乃至数学研究上已比肩或超过人类专家，但物理智能的发展相对迟缓，受制于物理理解薄弱、交互数据匮乏与闭环执行不足。在他看来，当下产业界已形成大语言、多模态和具身大模型三条演进路线，长远来看将汇流至智能体化世界模型。
从公司技术基因看，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，并形成“1+1+3”的商业化架构，上层落地商业营销、影视创作与内容创作三类智能体。
世界模型的实际应用也在推进。在具身智能领域，该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。
