| 谷歌I/O 大会发布最新世界模型Gemini Omni 2026 年5 月20 日，在谷歌的I/O 大会上，谷歌正式发布最新的世界模型Gemini Omni，结合了Gemini 推理能力与生成能力，在世界理解、多模态和视频编辑上实现了重大飞跃。Gemini Omni 是Google的全新世界模型，它能生成逼真的视频、图像和交互式模拟，展现出更强的直观物理理解能力，包括动能和重力；能将复杂概念转化为可视化讲解，且支持对话式视频编辑。 Gemini Omni 实现全模态输入和输出，视频版的Nano banana 时刻或将到来。Gemini Omni 的最大特点在于，可以支持图像、音频、视频、文本的全模态输入和输出，背后集成了谷歌Gemini 基座模型的理解能力、Nano Banana 的图片创作能力、Veo 的视频创作能力，融合成新一代全模态世界模型。Omni 在基础模型方面进行了重构，将图像、音频、视频、文本等数据进行了底层融合，同时在训练目标上区别于LLM 模型的训练任。Gemini Omni 联合负责人Dumitru Erhan 表示，在模型评估阶段，他们需要同时跑视频生成、视频编辑、图像生成、文本对齐、音频同步五条评估管线，体现出模型的全模态能力。 世界模型和空间智能铸基，推动物理AI 发展 物理AI 是人工智能下一步演进方向，当前仍面临多重挑战。物理AI是指在物理世界中运行并与之交互的人工智能系统，也是人工智能从生成式AI 向后演进的重要方向。今年3 月16 日的GTC 大会上，NVIDIA创始人兼首席执行官黄仁勋表示：“物理 AI 时代已经到来——未来每一家工业企业都将成为机器人公司”。然后，物理AI 的发展也面临多重挑战：1）数据成本很高：传统的 AI 模型会在静态数据集（包括文本、图像和音频）上进行训练，而物理 AI 则通常需要与真实环境交互的机器人的数据，这些数据的采集需要大量时间；2）物理定律很难：物理AI 必须应对物理定律，如重力、摩擦力、温度、扭矩等，当前LLM 模型在这些复杂物理规律方面的模拟能力仍有欠缺。 世界模型和空间智能为物理AI 提供感知和认知三维世界的基座。世界基础模型 (WFM)是一种强大的AI 模型，可从大量现实数据中学**物理世界的动态特性（几何、运动、物理定律），从而使其能生成逼真的物理感知场景，以用于训练物理AI。空间智能指的是智能体在三维空间中感知、理解、推理、决策、交互的能力。需要多模态融合能力、物理一致性能力、时空连贯性、语义-几何二维表征。本质上是从过去的几何建模仿真（CAD/CAE）向3D 重建和虚实交互的演变。 建议关注：采集传感器：奥比中光、禾赛科技等；世界模型：索辰科技、五一视界、群核科技、凡拓数创、能科科技等；边缘计算：智微智能、美格智能等。 风险提示：技术迭代不及预期；市场需求不及预期等。 |
