Китай открыл центр исследований мировых моделей в университете Вестлейк

На фоне взрывного интереса к так называемым мировым моделям, которые многие эксперты уже называют следующим большим этапом после больших языковых моделей, в Китае объявили о создании специализированного исследовательского центра. На днях в кампусе Юньгу университета Вестлейк (Западное озеро) начал работу Центр исследований мировых моделей. Название может поставить в тупик: про большие языковые модели слышали почти все, а вот что такое «мировая модель» — вопрос для многих открытый. Если объяснять просто, речь идёт о попытке научить искусственный интеллект не только говорить и пересказывать прочитанное, но и понимать, как устроен физический мир, предугадывать последствия действий и рассуждать о том, что произойдёт дальше. Языковая модель, по сути, предсказывает следующее слово в тексте, а мировая модель должна предсказывать следующее состояние реальности — с учётом времени, пространства, причинно-следственных связей и элементарного физического здравого смысла.

Идея не нова: ещё в 1990 году один из основоположников обучения с подкреплением Ричард Саттон описывал мировую модель как механизм, который по текущему состоянию и действию предсказывает состояние следующее. Но именно сейчас тема вышла из тени. В конце 2025-го и в 2026 году к созданию стартапов в этой области подключились такие фигуры, как Фэй-Фэй Ли и Янн Лекун, а компания Google DeepMind представила модель Genie 4, объединившую подходы мировых моделей и моделей рассуждения. Лекун, лауреат премии Тьюринга и один из отцов сверточных нейросетей, высказывался ещё жёстче: по его мнению, опираясь только на предсказание текста, ИИ никогда не приблизится к человеческому уровню интеллекта — нужны модели, понимающие физическую реальность.

Создание центра в Вестлейке — сигнал, что университет делает ставку именно на это направление. Причём подготовка началась не вчера: около трёх лет назад лаборатория автономного интеллекта AutoLab при университете уже занялась мировыми моделями, а позже выпестовала стартап и наладила сотрудничество с индустрией. Неудивительно, что презентация собрала не только исследователей, но и почти девяносто руководителей отделов разработки из компаний и инвесторов. Следом за церемонией открытия прошёл форум, посвящённый физическим мировым моделям, — и он тоже оказался в центре внимания.

Почему вокруг этой темы столько разговоров? Отчасти потому, что разница между «нарисовать красиво» и «понять, что будет» принципиальна. Сгенерировать видео сегодня умеют многие, а вот предсказать, что произойдёт, если чашка скользит к краю стола, — задача иного порядка. Раньше обучение ИИ во многом напоминало заучивание огромного сборника задач: модель натаскивали на примерах, и в знакомых ситуациях она работала неплохо, а в редких — сыпалась. Мировая модель должна не запоминать, а выводить правила. Именно поэтому первые наглядные проявления такого подхода публика увидела в генераторе видео Sora, который позиционировали как универсальный симулятор физического мира, а затем — в беспилотных автомобилях, где модели научились синтезировать реалистичные дорожные сцены, включая аварии и плохую погоду, чтобы тренировать автопилоты без риска для людей на реальных дорогах.

Показательна история научного руководителя нового центра Юй Кайчэна. Родившийся в 1993 году в Шаньдуне, он окончил Гонконгский университет с высшими отличиями, защитил докторскую в Швейцарском федеральном технологическом институте Лозанны, работал в лабораториях Intel, Abacus.AI и исследовательском подразделении Alibaba Damo, где занимался как раз беспилотным вождением. Там он и столкнулся с ограниченностью традиционного подхода: модель, по сути, зубрит набор сценариев и пасует перед редкими ситуациями. В 2023 году он перешёл в Вестлейк и собрал AutoLab, взявшись за тему, которая тогда казалась почти маргинальной. Сначала команда пошла по более простому пути — генерировала синтетические видео экстремальных сценариев для обучения автопилотов. Это быстро принесло результат: в 2024 году коллектив победил на одном из треков соревнований ECCV по автономному вождению с большим отрывом от второго места. Однако в ходе плотной работы с крупным китайским автопроизводителем исследователи засомневались в самой основе маршрута: если модель уже способна создавать правдоподобные данные, значит, она отчасти понимает мир, так зачем продолжать гнаться за пикселями?

К концу 2024 года AutoLab развернулась и предложила концепцию «концептуальной мировой модели»: не генерировать картинку, а строить представление физических понятий в абстрактном математическом скрытом пространстве. Модель, по аналогии с человеком, раскладывает сложную сцену на ограниченный набор понятий — пространственные отношения, свойства материалов, состояние контакта — и затем комбинирует их, чтобы «понять» сценарий, который целиком в обучающих данных не встречался. В 2025 году эксперименты показали, что после формирования такого механизма разбора и связывания понятий модель заметно повышает успешность на сложных задачах по сравнению с классическими подходами имитационного и обучения с подкреплением, сохраняя низкую стоимость предсказания. Это одна из немногих в стране команд, доведших подобный подход до первичной проверки.

В начале 2026 года появился стартап, получивший имя Awomo и позиционирующий себя как компания, создающая базовую модель физического мира — по аналогии с большими языковыми моделями, а не просто заказные решения для автопрома. Разработка AutoLab под тем же названием заняла первое место в четырёх авторитетных международных робототехнических бенчмарках, подтвердив способность обобщать в условиях возмущений среды, тонких манипуляций и длинных последовательностей задач. Стартап привлёк в общей сложности более ста миллионов юаней на посевном и ангельском раундах от целого ряда фондов, ориентированных на глубокие технологии.

При этом беспилотники — лишь одна из сфер применения. Мировая модель может стать «физическим мозгом» для роботов, позволяя им в скрытом пространстве быстро просчитывать свойства объектов и последствия действий, точно выполняя захват, сборку и длительные скоординированные операции. Ещё один вероятный сдвиг — сама модель обучения: если опираться на универсальную физическую основу, разработчикам и небольшим компаниям не придётся собирать миллионы часов данных — возможно, хватит двадцати-тридцати часов дообучения, чтобы быстро настроить модель под конкретную область. В долгую, убеждён Юй Кайчэн, это откроет дорогу к персональному творчеству: пользователи смогут, как в домашней мастерской, собирать собственных роботов и умных помощников. Любопытно, что параллельно исследователь занимается древней китайской каллиграфией: иероглифы, по его мысли, исторически и есть способ сжать объекты реального мира в двумерные символы, а перевод замысла в штрихи подчиняется той же математике, что и планирование траекторий робота. «Цзягувэнь — это самое раннее скрытое пространство», — говорит он. Похоже, за тысячи лет изменился только инструмент, а задача абстрагировать законы мира осталась прежней.