80.与梅涛院士的 3 小时访谈：语言、视频、具身终将汇聚，为什么是世界模型？

摘要

訪談邀請了智象未來創始人梅濤院士，深入探討從圖片到影片、再到世界模型的技術演進路徑。梅濤分享了他團隊如何從圖片模型切入，利用龐大資料量構建影片生成模型，並展望未來語言、影片與具身智慧將匯聚成世界模型的終局。內容涵蓋了多模態架構的差異、創業公司的敏捷優勢以及對產業趨勢的深刻洞察。

An interview with academician Mei Tao discussing the evolution from image to video models and the future of world models in AI.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 圖片是通往多模態與世界模型的關鍵入口。
• 創業公司應追求技術敏捷與決策速度，而非依賴資源堆疊。
• 未來趨勢是語言、影片與具身智慧匯聚成世界模型。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00全球首篇紋身影片論文與資料規模
2. 07:52院士創業全情投入與中科大背景
3. 16:36科大學術氛圍對科研規劃的塑造
4. 40:27AI Agent 迭代速度超越網際網路程序
5. 52:51創業公司架構創新對抗大廠算力
6. 1:01:51開源模型短期優勢與持續迭代策略
7. 1:07:43第一方陣競爭與世界模型路線分歧
8. 1:47:59太空歌劇院圖片引發 AIGC 熱潮
9. 1:50:54視覺理解與生成模型架構仍分途
10. 1:55:12尋找中國 Sora 背後投資邏輯
11. 2:14:39矽谷精神與員工以個人為先
12. 2:49:14深創投背書看好多模態賽道
13. 2:55:06閉環資料增廣解決具身訓練難
14. 3:07:27頂尖人才與通用審美驅動未來

提到的工具與公司

• Gemini Omni
• Sora
• Veo 3
• DIT
• HiDream

適合誰看

適合對多模態大模型、影片生成技術及 AI 產業趨勢感興趣的開發者、產品經理與投資人。

摘要依據

講者

卫诗婕

依據

語音轉文字

為什麼排在這裡

人氣

0.35

新鮮

0.76

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Moonlake: Causal World Models should be Multimodal, Interactive, and Efficient — with Chris Manning and Fan-yun SunPodcast ・ Latent Space ・ 1 小時 7 分
• Why Video Agent models are next — Ethan He, xAI Grok ImaginePodcast ・ Latent Space ・ 1 小時 43 分
• A 7-hour marathon interview with Saining Xie: World Models, AMI Labs, Yann LeCun, Fei-Fei Li, and 42影片 ・ Zhang Xiaojun Podcast ・ 6 小時 45 分（在新分頁開啟原站）
• E223｜应用爆发之年：聊聊模型技术进化与商业化Podcast ・ 硅谷101 ・ 1 小時 7 分
• World Models, Robotics, and the Future of 3D AIPodcast ・ The a16z Show ・ 24 分鐘（在新分頁開啟原站）
• 李飞飞发布最新世界模型Atlas | World Labs | 世界模型 | 3D重建 | 视频生成 | 空间智能 | 高斯泼溅 | 机器人仿真 | 多模态AI影片 ・ Best Partners TV ・ 21 分鐘（在新分頁開啟原站）