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？

智象未来创始人梅涛提出 “图片是入口，视频是过程，世界模型是终局” 的 AI 发展观，强调架构创新是创业公司在算力资源受限下抗衡大厂的核心竞争力。当前多模态模型正向原生全模态演进，通过统一的 Transformer 架构直接处理多维信号，以减少传统编码带来的信息损耗与幻觉。中国 AI 创业应发挥短视频数据优势，在垂直领域建立壁垒，并结合软硬一体化布局实现商业化闭环。世界模型作为通往通用人工智能的关键路径，目前尚处于早期探索阶段，视频生成模型凭借对物理规律的模拟能力，正成为构建世界模型的关键底座。