世界模型的热度正在持续攀升。

先看几则动态：

今年初，图灵奖得主Yann LeCun（杨立昆）与Saining Xie（谢赛宁）共同创立AMI Labs，种子轮即获10.3亿美元融资（估值35亿美元），创下欧洲种子轮融资纪录。该团队的核心研究方向正是世界模型。

上个月，AMD宣布以82亿美元收购李飞飞创办的World Labs，并任命李飞飞为AMD执行副总裁兼首席科学家，直接向苏姿丰汇报。李飞飞专注的领域同样是世界模型。

近日，曾因严重违纪被字节跳动辞退的前实习生田柯宇，创办了一家AI初创公司。公司尚未命名，也未推出任何产品，但已完成近3000万美元融资（估值2亿美元）。田柯宇讲述的故事，依然围绕世界模型。

上述融资案例仅是冰山一角。当前整个AI领域，几乎所有头部科技公司（包括英伟达、谷歌、OpenAI、特斯拉、亚马逊等），都在积极布局世界模型。

不了解世界模型，在AI圈几乎难以立足。

那么，世界模型究竟是什么？它与我们熟知的LLM（大语言模型）有何本质差异？又为何能吸引众多顶级科学家、巨额资本和头部公司押注？

本文将通过深入解读，带您一探究竟。

究竟什么是世界模型？

初次接触“世界模型”时，我联想到的是数字孪生——难道是要通过数字孪生技术复刻一个物理世界？若如此，这无疑是一项浩大工程。

后来才明白，世界模型并非要创建一个完整的数字版世界。更准确地说，它应被称为“物理世界的模型”。

其核心目标不是复刻整个世界，而是让AI在“大脑”中构建一个可运行的物理世界模拟器，将真实世界的规律“内化”为自身的底层能力。

创造世界模型，是为了让AI真正理解物理世界的运行规律——物体如何运动、碰撞、遮挡，光线如何传播等。

要理解世界模型，需先认清传统大模型的短板。

当前的传统大模型，本质上都是大语言模型（LLM）。

LLM的学习材料主要来自人类积累的数据——书籍、文章、网页、代码、对话记录等。通过海量文字、图片、视频数据的学习，LLM掌握了语言内部的统计规律和逻辑关系，能根据上下文预测下一个最合理的字、词或画面。

视频生成模型虽能生成逼真画面，但本质上是“拼接”和“联想”训练数据中的视觉片段，依靠统计规律生成符合条件的视频。

换句话说，传统大模型懂知识，但不懂世界。

举个简单例子：

问AI：一个玻璃杯从一米高的桌子上掉下来，会发生什么？

AI能完美回答：杯子会掉落、撞击地面、碎裂、有水会洒出。

但关键在于：AI是背答案背出来的，不是理解规律算出来的。

它不知道什么是重力，什么是坚硬、柔软，也不了解玻璃易碎的物理特性。它只是从亿万条数据中记住了“杯子掉落会碎”这一结论。

一旦场景偏离训练数据，AI便会“幻觉上身”，闹出笑话。例如前述视频中，杯子其实已出现“穿帮”（翻转）。

业界普遍认为，传统大模型存在三大硬伤：

• 没有真实感知： 只会读取数据，不能理解真实世界。
• 没有因果逻辑： 只会关联匹配，不会推理前因后果。
• 没有预判能力： 只能被动应答，无法预测事物发展。

简言之，当前AI是纸上谈兵的学霸——虽读书破万卷，但不解世间规律。

停留在电脑里的AI，永远不是真正的AI。真正的AI必须能解决现实世界问题，完成真实场景任务。

于是，专家们提出了世界模型。

世界模型是一个底层技术框架。如前述，它能让AI学习现实世界的空间结构与变化规律，进而生成、重建和模拟一个可持续探索、实时交互的三维世界。

如果说传统大模型是“熟读万卷书”，那世界模型就是**“亲历世间事”**。

它不再单纯依赖文字、图片数据死记硬背，而是通过更先进的技术手段，总结出整个物理世界、现实社会的底层运行规律。

这包括：物理规律、空间逻辑、时间顺序、因果关系、人类行为习惯、社会常识等。

拥有世界模型的AI，脑中会自带一套“虚拟沙盘”。

当它接收问题或场景指令时，不会仅去翻数据库，而是在自己的虚拟世界里实时模拟、推演、预判，最终给出符合现实逻辑的决策。

仍以杯子为例：

世界模型AI看到杯子掉落，不是靠背诵知识点，而是在脑中模拟了完整过程：

重力作用下落→速度逐渐加快→硬质地面碰撞玻璃→应力破碎→水流散落→地面留水渍

即使修改条件：杯子换成塑料的、地面铺地毯、高度改为十厘米，它无需重新学习，也能依靠底层规律推演，得出正确结果，不会出现AI幻觉。

这就是最本质的区别：传统大模型学习的是“表象”，世界模型修炼的是“内因”。

简单总结：大模型是“知其然”，世界模型是“知其所以然”。

世界模型到底有什么用？

很多人认为世界模型只是传统大模型的“升级版”，其实不然。它是AI能力维度的全面颠覆。

其核心能力集中于三点，每一点都直击当前AI的痛点。

第一，极强的常识推理能力

当前AI常犯低级常识错误：如画出反着走的人、横着开的汽车，以及各种违背物理规律的场景。

而世界模型吃透了现实世界的底层规则，自带常识屏障。

无论是画图、视频生成还是场景推演，它都会严格遵循物理规则、空间逻辑和现实常识，不会出现离谱错误。

第二，超强的未来预判能力

这是世界模型最核心的杀手锏。

传统AI只能对已有信息进行总结、应答。但世界模型能基于当下场景，推演未来变化。

例如，看到天气、路况、行人动作，就能预判接下来几秒、几分钟会发生什么；看到设备运行状态，就能预判故障风险；看到一方出拳，就知道另一方会躲。

这种预判能力，是AI从“被动应答”走向“主动智能”的关键。

第三，跨场景通用适配能力

当前AI大多专攻单一场景：聊天只聊天、画图只画图、自动驾驶只做驾驶。

世界模型是通用人工智能的底座。

因为它掌握的是世界通用规律，无论是文字、图像、视频、机器人控制、自动驾驶还是智能家居，所有现实场景都能一通百通，无需单独训练微调。

理解上述能力差异后，就不难明白为何行业大佬都说：世界模型是AI的下一个十年。

传统大模型的红利基本已走到天花板。当前各家大模型在对话、写作、问答能力上的差距越来越小，卷参数、卷数据、卷话术已难产生颠覆性差异。

AI的未来，一定是AGI（通用人工智能）。AGI，绝对离不开物理AI（Physical AI），即与现实世界深度交互的智能体。

全球GDP中约50%仍在物理世界，未来大部分将被物理AGI主导。而物理AGI爆发的关键技术突破口，正是世界模型。

有观点指出，未来AGI架构极可能是：LLM负责逻辑规划（大脑）+ 世界模型负责物理预测（小脑）+ 具身智能执行动作（身体）。

世界模型的作用

世界模型之所以现在如此火热，有两个根本原因：

一、技术条件已成熟。过去几年，大模型在算力、数据、算法上的积累，为世界模型的爆发奠定了地基。

二、产业需求迫在眉睫。物理世界的智能化改造，正从单点试验走向全面铺开。工厂要降本增效、机器人要走进千家万户、自动驾驶要覆盖更多城市，这些都急需世界模型提供底层能力支撑。

目前，世界模型已在具身智能、智能驾驶等核心场景实现规模化验证，可有效解决高安全、高复杂度场景下数据稀缺与试错成本高昂的痛点。

例如，在智能驾驶领域，世界模型通过构建高保真虚拟交通环境，完成海量极端工况预演，覆盖各种罕见长尾场景，支撑车辆决策系统的安全迭代。

再例如，在具身智能领域，当前最缺的是实际操作过程的训练数据。世界模型依托3D空间构建与物理规律推演，让机器人在“梦境”中完成动作试错与路径规划，可显著缩短训练周期，降低训练成本。

此外，世界模型正加速向内容创作、气候预测、医疗仿真等新兴领域渗透，凭借其物理认知、因果推理与长时序模拟能力，获得越来越多用户和市场的认可。

世界模型面临的挑战

最后需客观指出，世界模型虽前景广阔，但目前仍远未成熟，存在明显短板。

首先，训练成本极高。

传统大模型依靠文本数据训练，成本可控。而世界模型需要海量视频、三维场景、动态过程数据，其算力消耗、数据成本、训练难度是传统大模型的数倍甚至数十倍。

其次，复杂场景推演能力不足。

当前世界模型在简单物理场景下推演精准，但面对复杂的社会行为、多人交互、复杂因果链条，仍有短板。

最后，落地场景仍在探索。

目前世界模型大多处于技术研发、测试阶段，大规模商业化落地仍需时间。

结语

显然，世界模型已非简单的风口轮动，而是技术范式的代际革命。

摩根士丹利研报指出：AI的下一场变革，是从“理解语言”转向“理解物理世界”，世界模型是这场变革的核心载体。预计到2035年，世界模型赋能的产业规模将达到10万亿美元。

未来十年AI行业的竞争，将不再是大模型参数的内卷，而是世界模型认知能力、推演能力、落地能力的比拼。谁先掌握顶尖的世界模型技术，谁就掌握了开启AGI时代的钥匙。

一场关于“理解世界”的军备竞赛，已悄然打响。

本文来自微信公众号“鲜枣课堂”（ID：xzclasscom），作者：小枣君，36氪经授权发布。