这并非一句营销口号，而超脑未来对下一代人工智能底层架构的判断。
当世界模型赛道仍围绕像素生成、隐空间建模与空间智能展开竞争时，超脑未来选择了一条更少有人涉足的路径：群体世界模型。它关注的不是如何让单个智能体更逼真地模拟世界，而是如何让多个智能体共享同一套世界认知、预测同一个未来，并据此完成协同行动。
今天，WorldDreamer V4 正式发布。与大多数面向单一智能体构建的世界模型不同，WorldDreamer V4 从训练阶段便以多智能体为基本单位。其背后的判断是：真实世界的自动化不可能由一台「全能机器人」独立完成。具身智能的终局是多种机器人之间的长期协同。
因此，WorldDreamer V4 并不是对某个细分场景的妥协，而是对机器人智能终局的一次押注，自动化的终点，从来不是单兵能力的无限叠加，而是群体协作能力的系统涌现。
这也意味着，世界模型正在经历一次更深层的范式迁移：
从单体智能走向群体智能；
从观察世界、预测世界，进一步走向组织智能体共同改变世界。
WorldDreamer V4：让机器人共享一个世界大脑
过去，机器人智能长期面临一个核心瓶颈：一个机器人拥有一个模型。
机械臂、无人车、四足机器人、人形机器人往往分别训练、分别部署，导致每一个机器人都像一个孤立的信息孤岛。
即使多个机器人同时工作，也通常依赖高频通信交换状态、意图和任务规划。
超脑未来认为：
下一代机器人智能的核心，不是让机器人交换更多信息，而是让机器人共享同一个世界模型。
基于这一理念，超脑未来提出 WorldDreamer V4：群体智能体世界动作基础模型（Shared World-Action Model）。
WorldDreamer V4 的核心能力包括：
理解复杂物理环境；
建模多智能体之间的关系；
预测未来世界状态；
生成多智能体联合动作；
支持不同机器人形态之间的知识迁移。
协作的终点，不是沟通，而是默契。
多智能体端到端预训练：从局部观察学习全局协同
WorldDreamer V4 的核心创新，是一种全新的：
Multi-Agent End-to-End Pretraining Architecture（多智能体端到端预训练架构）
在训练过程中，多个 Agent 同时参与同一个任务场景：
每个 Agent 拥有不同的视角、不同的观测和不同的局部信息。
模型通过：
视觉观测；
状态信息；
任务指令；
动作轨迹；
学习：一个 Agent 如何理解整个世界，以及其他 Agent 将如何行动。
Masked Agent Modeling：让模型涌现出「上帝视角」
WorldDreamer V4 引入 Masked Agent Modeling。
训练时，模型随机隐藏部分 Agent 的状态，仅提供少量可见信息，然后要求模型预测：
被隐藏 Agent 当前状态；
未来动作；
群体协同策略。
这种训练方式迫使模型学习，从局部观测恢复完整世界。这与真实机器人环境高度一致：
机器人永远只能看到世界的一部分。真正智能的系统，需要知道：
看不见的地方发生了什么；
其他智能体可能正在做什么；
未来世界可能如何变化。
随着智能体个数与数据量级与的提升，模型会以尽可能全面的视角看到更加全面的世界，最终逼近「上帝视角」。相当于在隐空间中构建了一个「高维认知场」。
Shared World State：从通信协同到世界观同步
传统多智能体系统依赖：Agent A → Agent B → Agent C，不断交换信息。
但随着 Agent 数量增加，通信复杂度迅速增长。
WorldDreamer V4 采用：Shared Latent World State 共享隐式世界状态。
所有 Agent 不再需要同步大量信息，而是共同依赖一个不断演化的世界模型。
这带来一种新的协同范式：从「传递信息」升级为「预测信息」。
当所有 Agent 对未来世界拥有一致预测，群体协同就自然产生。
世界冠军验证：WorldDreamer V4 横扫机器人控制与世界生成榜单
强大的模型能力，需要经过真实挑战验证。
WorldDreamer V4 已在多个国际权威 benchmark 中取得领先成绩，覆盖机器人控制、世界生成等多个方向。
RoboCasa 世界第一：证明多智能体预训练反哺单机器人能力
在机器人操作领域权威基准 RoboCasa 中，WorldDreamer 取得榜单第一。
这一成绩的重要意义在于，WorldDreamer 并不是针对 RoboCasa 任务进行专项微调。
该测试采用盲测方式，没有针对具体任务进行「应试式训练」。
模型依靠此前的大规模多智能体预训练能力，直接展现出强大的机器人操作泛化能力。
这证明：
多智能体预训练学习到的，并不是某几个机器人的操作技巧，而是更通用的世界动作规律。
尤其是在复杂组合任务和未见任务场景中，WorldDreamer 展现出了显著优势。
WorldScore 世界第一：让世界模型真正「梦见世界」
除了机器人控制，WorldDreamer V4 同样在世界生成领域取得突破。
在权威世界模型评测榜单 WorldScore 中，WorldDreamer V4 登顶。
WorldScore 并非简单评价视频生成质量，而是评估模型是否具备：
世界一致性；
相机控制能力；
对象控制能力；
三维空间稳定性；
动态演化能力。
WorldDreamer V4 在多个关键指标中取得领先表现。
这证明：它不是一个普通的视频生成模型，它生成的不是一段孤立的视频，而是一个可控制、可运动、可保持一致的动态世界。
从机器人控制到世界生成：统一的世界动作模型
过去，人们通常将：机器人模型、视频生成模型、世界模型视为三个不同方向。
但 WorldDreamer V4 展示了一种新的可能：
它们背后其实共享同一个核心问题：世界如何变化，动作如何影响世界。
机器人需要预测：「我执行这个动作之后，环境会发生什么？」
世界模型需要预测：「如果世界继续演化，未来会是什么样？」
二者本质一致。
因此，WorldDreamer V4 正在探索一种统一范式：
World + Action + Agent = 下一代 Physical AI 基础模型
超脑未来：构建机器人时代的超级大脑
超脑未来（World Agents）是一家专注于群体智能体基础模型（Multi-Agent Foundation Model）的 Physical AI 公司。
公司愿景是「One World One Model」，致力于构建物理世界的超级大脑。我们从机器人「思维链共享」的第一性原理出发，通过 WorldDreamer 世界动作模型，将分散在机器人群体中的感知、决策与行动经验压缩到共享模型权重中，让不同形态机器人共享同一个世界模型，实现从「一脑一机」到「一脑控所有」的智能跃迁，推动机器人群体成为物理世界数据与智能进化的新入口。
提出机器人智能的新 Scaling Law（梅尔卡夫机器人定律）
互联网时代，大语言模型通过海量文本数据实现能力跃迁。
超脑未来相信：下一代 AI 的关键数据，不再只存在于互联网，而存在于真实物理世界。
机器人数量越多：
产生的数据越丰富；
世界模型越强；
机器人能力越高；
可部署场景越广。
这形成新的Multi-Agent Scaling Law（群体智能 Scaling Law）梅尔卡夫机器人定律。
未来，一个世界模型可以连接：
工业机械臂；
AGV；
四足机器人；
人形机器人；
无人机；
商业服务机器人；
空间机器人。
让所有机器人共享同一个不断进化的智能基础设施。
未来：一个世界模型，一个机器人文明网络
从 ChatGPT 让机器理解语言，到 WorldDreamer 让机器理解物理世界。
人工智能正在经历下一次跃迁：
语言智能解决：人类如何与数字世界交互。
世界智能解决：机器如何进入并改变物理世界。
超脑未来相信：未来不会是千万个孤立机器人，而是：一个共享世界模型，连接千万个智能体。
WorldDreamer V4 的发布，标志着世界模型正式进入群体智能时代。
未来，机器人不再只是执行命令的机器。
它们将拥有共同的世界认知，共同的经验积累，以及共同进化的智能。
WorldDreamer V4：让机器开始拥有一个共同的世界。
「One World One Model」！
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
