中国青年报客户端北京6月13日电（中青报·中青网记者 贾骥业）6月12日至13日，第八届北京智源大会在北京中关村国际创新中心举行。北京智源人工智能研究院（以下简称“智源研究院”）院长王仲远在会上表示，当前，人工智能正在发生一场重大的范式变革，其核心是从“预测下一个Token（词元）”演进到“预测下一个状态”，特别是物理状态。
大语言模型的发展，依靠的是“预测下一个Token（Next-Token Prediction）”的训练范式，其可以完成语言理解、代码生成、逻辑推理等数字世界任务。但在真实物理世界，现有AI模型还有很大局限性。
王仲远举了个例子：一瓶未开封的水和盛满咖啡的杯子放在桌子旁，人类能预测两者跌落时产生的物理状态和对真实物理世界的影响，其中水瓶掉下去可能只有撞击声，但咖啡却会洒落一地，这是人类的世界模型。但对于当前的人工智能模型来说，其还不能很好地理解这个世界，缺乏对“下一个物理状态（Next Physical State Prediction）”的预测能力。
“早年大语言模型处理的是文字，而多模态模型开始引入图像、音频、脑信号，接下来要解决的就是真实物理空间的时空问题、物理规律、物理常识。”王仲远说。
