对话昆仑万维方汉：世界模型“算账逻辑”之下，异构数据才是具身智能的解药

算账逻辑倒逼世界模型路线调整

在AI行业普遍追求大算力、大参数的背景下，昆仑万维方汉团队提出了独特的“算账逻辑”——即每一分投入都必须能测算出明确的商业回报或技术边际收益。短期来看，世界模型研发必须聚焦于仿真训练数据的低成本获取，而非盲目堆砌算力；中长期则需将资源精准投向具身智能、工业AI与智能驾驶等高价值落地场景。这种务实策略意味着，世界模型不再追求“万能模拟”，而是成为特定物理任务的“成本优化器”。

持续学习是通往智能奇点的必经之路

方汉团队推测，AI智能化的时间表遵循明确阶梯：先解决持续学习，让模型能在新环境中自主微调而不遗忘旧知识；再跨越到“智能奇点”，即模型具备自我迭代能力；最后才是具身智能走进现实世界。持续学习能力是当前几乎所有大规模模型的软肋——算力成本高昂使得模型无法频繁更新，而异构数据恰恰能提供多样化的低代价训练信号，让模型在碎片化场景中持续进化。

异构数据如何破解具身智能的“数据饥渴”

具身智能面临的核心矛盾是：真实物理交互数据采集成本极高，而纯仿真数据又存在“Sim-to-Real”鸿沟。方汉认为，异构数据（包括视觉、触觉、力觉、文本、3D点云等不同模态）正是解药——通过将不同结构、不同来源的数据进行对齐与融合，模型能学习到更鲁棒的物理规律。例如，利用思维增强的大模型（如“Thought Is All You Need”方法）检测智能合约漏洞，或者用REEVMBench评估智能体安全性，都体现了多模态异构数据训练的潜力。

从仿真到具身：工业与家庭场景的落地博弈

在“算账逻辑”驱动下，具身智能的落地路径被划分为工业AI（如产线质检、物流分拣）和家庭智能体（如服务机器人、车载边缘计算）两大阵营。前者对数据精度要求高，但回报周期清晰；后者场景更碎片化，需依赖异构数据中的低分辨率信息（如激光雷达、家庭摄像头数据）进行快速部署。方汉团队指出，真正让具身智能“走进现实”的关键，在于建立一套兼容异构数据流的低成本仿真训推平台。

多模态视觉升级：中国AI基础模型的下一站

海外头部厂商（如Claude Fable）已展现出强大的多模态能力，而国内自研模型（如K3）虽尚未摸到该水准，但追赶速度惊人。方汉强调，中国AI基础模型的下一个关键升级方向正是多模态/视觉理解能力的增强——这不仅是技术竞争，更是“算账逻辑”的必然选择：仅靠文本数据训练，边际收益已递减；而异构数据（尤其是视觉与物理交互数据）将为模型打开新的价值空间，直接支撑具身智能、服务机器人、车载边缘计算等下游核心赛道。