零一时代新媒体实训中心

智象创始人梅涛提出三条 AI 路线终将汇流成智能体化世界模型,做短视频、直播、电商的人该重新算一遍自己的 AI 工具账。
这条消息跟你有没有关系,一句话能判断:如果你每天在用 AI 写文案、剪视频、做图,那它讲的就是你手上这些工具接下来往哪走。
2026 世界顶尖科学家论坛第二届国际工程智能大会举行。加拿大工程院外籍院士、智象元一(HiDream.ai)创始人兼 CEO 梅涛在会上提出,要构建智能体化的全模态世界模型(Agentic Omnimodal World Models),迈向下一代世界智能。
他的核心判断是:现在产业界有大语言、多模态、具身大模型三条演进路线,三条路不是彼此孤立,长远看会汇流,走向智能体化世界模型。
他给的底气是调用量。OpenRouter 数据显示,截至今年 10 月,中国周 Token 调用量达 93 万亿,是美国的 4.16 倍,连续 26 周位居全球第一。
迭代速度也在变。2023 年大模型基本以 12 个月为周期迭代;随着递归自我改进(RSI)推动 AI 进入自我加速轨道,模型迭代已按周推进。
他还举了个极端的例子:OpenAI 一次性公开 377 项数学成果,覆盖数百个长期悬而未决的开放问题。数字智能这一侧,AI 已经跑到前面;物理智能这一侧相对迟缓,受制于物理理解薄弱、交互数据匮乏、执行能力不足。梅涛的判断是,世界模型就是跨过这道坎的桥。
梅涛把智能体化世界模型拆成三块:
三块合起来的目标叫「One Token Space, One World」——在同一个 Token 空间里,把思维世界和物理世界统一。
落到产品上,智象自研了原生全模态(Unified Transformer,UiT)架构,把文本、图像、视频、空间、位姿、力触、传感器统一表征。矩阵从图像模型起步,到视频模型,到交互模型 HiDream-O1-World,再到具身模型 HiDream-O1-Embodied。
商业化架构叫「1+1+3」:底层是全模态世界模型矩阵,中间是企业级模型平台 HiHarness,最上层是三个智能体——AIGC 商业营销智能体、影视创作智能体、内容创作智能体。涉及的产品有 HiDream-O1、HiBurst、「帧赞」、vivago。
先说你最直接的感受:你现在做内容,AI 工具是散的。写文案开一个、剪片子开一个、配音开一个、做图开一个。几个工具互相不知道对方在干什么,中间全靠你手动搬。
梅涛讲的「合流」,翻成生意话就是:一个模型同时懂文字、图像、视频、空间和动作,你给它一句需求,它自己往下推。你少学几个后台,少导几次文件。
第二个变化是节奏。2023 年模型还是 12 个月迭代一轮,现在按周推。这意味着你上季度摸熟的那套提示词、那条剪辑流程,保质期在变短。
所以别把时间花在「这个按钮在哪」。花在「我到底要什么结果」上——要的是进店客、是复购、还是一条能跑的投放素材。目标清楚了,工具换了你不慌。
第三个信号是 93 万亿这个数。中国周 Token 调用量是美国的 4.16 倍,连续 26 周全球第一。这么大的调用规模只说明一件事:这些能力不是发布会上的演示,是真在被大量用起来。
再看智象那三个智能体的方向:商业营销、影视创作、内容创作。正好压在小老板最花钱的三件事上——投放素材、日常更新、成片。但要说清楚,这是他们公布的商业化架构,不等于你明天就能一键出片,别按「马上能全自动」去规划预算。
还有一条值得记一下:在具身智能领域,世界模型可规模化合成毫米级高精度动作视频,用来突破真机数据成本高、规模小的瓶颈。原文里这是给真机训练供数据,不是直接说广告片可以不用真人拍。别听风就是雨。
落到店里就一个问题:你把 AI 当省事工具,还是当替你跑流程的帮手。零一时代新媒体实训中心在天津,AI 应用课练的就是这个。
京津冀的店主卡点很少是「不会用工具」,而是工作流搭不起来。零一时代新媒体实训中心每年服务 1373+ 家企业,这种问题见得最多。
问:世界模型跟我开个小店,有关系吗?
答:短期关系不大,长期有关系。它决定你以后用的 AI 是「一个个单点功能」,还是「一句话给你跑完整条流程」。你现在能做的,是先把自家的工作流想清楚。
问:93 万亿 Token 这个数,跟我有什么关系?
答:说明调用规模在爆发。截至今年 10 月,中国周 Token 调用量是美国的 4.16 倍,连续 26 周全球第一。用的人多,工具就会往更傻瓜、更垂直的方向卷,对小老板是好事。
问:我要不要现在就换工具?
答:别为了新概念换。只看一条:新工具能不能替你省掉一次手动搬运。省不掉,老工具继续用。
AI 的消息一天一个,真正落到你店里的,还是那几件能省钱、能带客的事。想从头练一遍,天津 9 个校区的课表可以先看看,电话 18622876609。