北京智源研究院（BAAI）正式发布了其悟界·Emu系列的最新成果——Emu3.5。

在技术交流会上，智源研究院院长王仲远博士将其定位为「开启多模态世界大模型新纪元」的里程碑。

项目主页：https://zh.emu.world

技术报告：http://t.cn/AXANAiHQ

「并不一定所有的大模型技术路线都要完全跟随别人已经走过的路，我们自己也在开创一些新的技术路径。」王仲远表示，「Emu系列是我们自己走出来的技术路线，我们是引领性的。」

与当前主流的、将理解与生成分开处理的「模块拼接式」多模态模型（如LLM+CLIP及DiT架构）不同，Emu3.5回归「第一性原理」，像人类一样从连续、长时程的视觉经验中学习，用统一的自回归架构实现了对多模态世界的原生理解与生成。

「通过悟界·Emu3，我们验证了自回归架构实现多模态理解与生成大一统的可行性，」王仲远表示，「从Emu3到Emu3.5，我们证明了多模态也存在一个Scaling的范式。」

这个340亿参数的模型，在长文本渲染、复杂图像编辑、视觉故事生成等多个维度上，其表现足以让业界惊叹「Wow」。更重要的是，它所展现出的对物理世界动态、因果、时空、逻辑的深刻理解，预示着AI正加速从数字世界迈向物理世界。

智源公开了长达45页的详尽技术报告，将其数据处理、模型架构、训练方式、推理加速等技术细节全盘托出。