一句话看懂：北京智源人工智能研究院（BAAI）发布逆戟鲸（Orca）世界基础模型，该模型在未见过任何动作标签的情况下，通过抽象世界状态预测，在五大机器人任务中匹配了专用系统的性能。这一方法有望缓解机器人领域长期存在的训练数据短缺问题。
事件核心：发生了什么
2026年7月11日，BAAI发布了Orca世界基础模型。与传统AI模型预测文本、视频帧或机器人动作不同，Orca将智能定义为对世界变化方式的一般理解。模型通过“无意识学习”（从无标注视频中学习场景动态）和“意识学习”（从带文字描述的片段中学习动作与状态变化关联）两种方式训练，构建出抽象的内部世界状态表示。训练使用了12.5万小时视频、1.6亿条事件描述和1150万个问答对，但当前版本仅用了其中十分之一的视频数据。Orca的核心网络在训练后冻结，通过可替换的小模块将内部状态转换为文本、图像或机器人动作。模型参数量有8亿和40亿两种。在MVBench、TemporalBench、3DSRBench、SWITCH等文本基准上，Orca-4B以平均51.8%的成绩超越了Qwen3.5-4B、Gemma 4-4B等同尺寸模型，甚至超过了Emu3（8B）和Emu3.5（34B）等更大规模的世界模型。
为什么重要
Orca展示了一种与当前主流大模型范式不同的技术路线：不再针对单一输出模态（语言、图像、动作）分别训练专项模型，而是通过一个共享的世界状态表示来统一支撑多种任务。这种做法直接回应了机器人领域的数据瓶颈——专用模型需要大量带动作标注的视频数据，而Orca用无标注视频和无动作标签的机器人影像即可训练核心模块，再通过小规模微调适配具体任务。如果这一方法被验证可规模化，可能会改变行业对机器人AI训练数据获取的认知，降低机器人进入现实环境的成本。同时，BAAI作为中国AI研究机构，其开源发布也为全球开发者提供了可在本地部署的备选方案，进一步加剧了世界模型领域的竞争。
对用户/开发者/创作者的影响
对于机器人开发者，Orca意味着未来可能不再需要为每个新任务从头收集标注数据，只需基于预训练核心模块添加轻量控制层即可快速适配。对于AI应用开发者，Orca的“可替换输出模块”设计提供了一种灵活的架构思路，可在同一基座上切换文本、图像和动作输出，降低多模态应用开发的门槛。对于内容创作者，若Orca的图像预测能力（如生成“关闭微波炉”后的预期图像）达到实用水平，可用于自动生成场景变化预览或交互式演示。不过，目前Orca在图像生成基准上的具体性能数值尚未公开，普通用户仍需等待产品化落地。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，Orca的代码和模型权重是否完全开源尚待观察，BAAI以往有开源先例，但此次技术报告未明确说明许可证；其次，Orca在真实机器人上的物理部署测试结果尚未披露，行业关注其能否从仿真环境迁移到真实物理世界；最后，竞争对手如Google的Gemini Robotics和Nvidia的GR00T等世界模型项目是否会采取类似的技术路线，或将决定这一“统一世界状态”范式能否成为行业标准。
