智源推出Emu3.5多模态世界大模型，开启AI新纪元
（图片来自网络）
2025年10月30日，智源研究院在北京举办“悟界·Emu系列技术交流会”，正式发布了Emu3.5多模态世界大模型，这一发布标志着AI发展进入新纪元。
模型发布意义：这项工作开启了AI从语言学习向多模态世界学习演进的新纪元，实现了原生多模态的大规模预训练、强化学习与高效推理的新突破，指明了多模态Scaling的新范式，并证明了更简洁、更具扩展性的技术路径可行性，同时标志着AI正加速从数字世界迈向物理世界的关键一步。
核心技术特点：Emu3.5遵循第一性原理，采用单一自回归Transformer架构，实现了端到端的原生多模态世界建模。它基于超过10万亿token的大规模多模态数据训练，视频数据训练量时长从15年跃升至790年，参数量从8B上升至34B。智源提出“离散扩散自适应”（DiDA）技术，在不牺牲性能的前提下，将图片推理速度提升近20倍，让自回归模型的生成效率首次媲美顶尖的闭源扩散模型。
“世界模型”的内涵：智源将Emu3.5称为“世界模型”，是因为它通过单一、统一的“预测下一个状态”训练目标，从海量多模态数据中自发学习并内化物理世界的运行规律、时空连续性及因果关系，而非被硬编码灌输知识。其核心在于“理解、预测与规划”，不仅能生成未来场景，更构建一个关于世界运作的内在模型；区别于专注于内容生成的模型，它致力于构建世界模型的预测系统，具备意图解析、因果推理和多步行动路径规划能力。
核心能力与价值：Emu3.5具备三大特点——从意图到规划（理解高层意并生成行动路径）、动态世界模拟（统一框架内融合理解、规划、模拟）、泛化交互基础（因果推理与规划能力支持具身操控），具备从“理解”到“行动”的全面智能，能生成行动指南、图文编辑等，具备物理直觉，可探索多场景。在多模态叙事、跨场景具身操作等方面展现卓越能力，且在基准测试中表现超越了众多知名闭源模型。
未来发展与展望：智源定位为做高校做不了、企业不愿意做的AI创新型研究，将其作为通往通用AI（AGI）的演进实践路径。未来，智源将逐步面向学术界开放Emu3.5科研体验版，面向产业界和开发者启动邀请制测试，推动多模态世界大模型新范式发展，为探索AGI提供坚实实践路径。
最新新闻
- 2025年11月3日：智元机器人与龙旗科技合作落地真机强化学习技术
- 2025年11月3日：美团开源561B全模态大模型LongCat-Flash-Omni，推出首款AI通用助手App
- 2025年11月3日：我国IPv6活跃用户达8.65亿，规模居世界首位
- 2025年11月3日：华为哈勃+华控基金联合领投极佳视界A1轮，物理AI世界模型成核心技术趋势
- 2025年11月3日：湖人客场击败热火收获3连胜 东契奇三双助力里夫斯、哈克斯精彩表现
- 2025年11月3日：习近平主席韩国会晤 中韩关系翻开新篇章
- 2025年11月3日：AI漫画“拍立得”上线：一句话一张照片生成完整连载
- 2025年11月3日：LongCat-Flash-Omni开源发布，开启全模态实时交互新纪元
- 2025年11月3日：携程美食林升级 海外搜索餐饮关键词涨幅超30%
- 2025年11月3日：神舟二十一号载人飞船发射成功 载人航天再谱新篇
- 2025年11月3日：从体外改造到体内生成，CAR-T疗法变革路径
- 2025年11月3日：北汽新能源全新阿尔法T5上市 力争成为10万级爆款车型
- 2025年11月3日：比亚迪刀片电池与日本市场策略碰撞：新能源车企海外拓展新观察
- 2025年11月3日：体验了一周 ChatGPT 浏览器，我还是把 Chrome 装了回来
- 2025年11月3日：‘垃圾信息’喂AI致“变傻”？研究揭示数据质量成AI发展关键
- 2025年11月3日：我国装机规模最大火力发电厂在宁波顺利投产
- 2025年11月3日：CHERRY XTRFY发布搭载新机械轴体三模机械键盘PIXIU99
- 2025年11月3日：倪光南院士：开源RISC-V为AI算力发展提供新机遇（GOTC峰会聚焦）
- 2025年11月3日：第八届进博会新闻中心开放 助力中外媒体服务创新
- 2025年11月3日：李飞飞呼吁大学推动人工智能研究回归公共利益
精彩评论（10）