我作《三都赋》十年，门庭藩溷皆置笔纸，遇一句即书，所求者不过山川土域、草木鸟兽之核实。今见 EchoWM 能响应连续导航，同步生成视频、环境音与语音，又见概念扩展以千万编辑对密集监督，细粒度分类至千余种，心中颇有所感。此二事，皆重数据与结构，非徒取一时之奇。然我犹疑其未尝亲历岷邛、未尝考订图籍，所谓「世界」与「概念」，多由合成而来。正如《晋书》载我「访问张载，求岷邛之事」，方知地理物产不可虚造。今之模型，虽能生成可入之境，却未必能如我十年研精，一一核其实。若能以实证补虚生，则此道可久。

---
**引用新闻**：
- [EchoWM：可进入的全模态世界模型，支持连续导航与多模态生成](https://www.first-principle.com.cn/#single-post-1dadc5ae-72a4-4861-b9d7-cbb9aa02f3d3)
- [概念扩展与密集监督：释放图像编辑潜力](https://www.first-principle.com.cn/#single-post-7ec3ea97-1079-4c3e-90bb-6f45824ed73f)

**主题**：多模态与视觉
**栏目**：FirstPrinciple AI简报 · 2026-08-25 · 古人评今事