企业官网建设流程全解析

世界模型融资火爆，概念却模糊不清

在过去18个月里，超100亿美元资金流入世界模型与机器人AI公司。使用世界模型的公司融资规模，甚至超过专门构建世界模型的公司。世界模型火了，但实际概念众说纷纭。今早，李飞飞和World Labs团队发表《世界模型的功能性分类》长文，她直言“世界模型”是当今AI领域最重要且最被过度使用的术语之一。上个月，MoE Capital的Henry Yin和Naomi Xia也表示，多数被冠以“世界模型”之名的并非真正的世界模型。

李飞飞文章提供清晰框架，划分三类世界模型

李飞飞文章引入强化学习经典结构，完整解释“世界模型”定义，将生成模型、物理模拟系统与具身智能方法从功能上划分为“渲染器、模拟器与规划器”三类世界模型。这不仅是技术分类，更像未来主导权路线图，不同技术路径首次在统一坐标系中比较。李飞飞指出，三者开始融合，边界消失时将重塑机器智能与物理世界关系，这是空间智能长期演进轨迹。她认为终点是统一世界模型，能渲染照片级视图、生成物理准确结构、规划行动序列并切换输出模式。她文末点明，语言让机器谈论世界，世界模型让机器理解、想象、推理并与世界互动，真正决定下一阶段AI上限的是“模拟能力”。

世界模型概念混乱，源于物理世界与语言模型差异

此前文章论证空间智能是AI下一个前沿，世界模型是路径。如今众多“世界模型”中，哪些组件构成能力及用途待明确。语言模型赋予机器概念、词汇和推理掌控力，但物理世界运行在不同底层结构。语言模型学习文本统计结构，世界模型学习时空统计结构。这使“世界模型”重要又被过度使用，计算机视觉、机器人学等领域对其指代不同，如视频模型、语言模型、物理引擎都被称为世界模型。古希腊人对世界构成未达成一致，AI领域也面临同样问题，此时正需精确性。

从强化学习图式理清世界模型循环结构

理清混乱可从强化学习教材中“部分可观测马尔可夫决策过程”（POMDP）图式开始，“世界模型”术语源于此。智能体（人、机器人或软件系统）行动影响世界状态，智能体无法直接看到状态，接收观测（光子、传感器读数、像素），新观测引导新行动，循环往复。“状态”指物理学和机器人学中对世界某时刻的完整描述，是底层现实，不可直接观察，观测是部分视图，行动是响应。这个循环构成现代“世界模型”术语结构基础，其思想可追溯到Kenneth Craik 1943年观点，如今不同世界模型是循环的不同投影。

世界模型的三类功能及特点

第一类“渲染器”输出观测，以像素形式呈现，重要指标是视觉保真度，如视频模型、交互式系统。这类模型无三维结构显式理解，生成“看起来是什么”，而非“实际上是什么”。第二类“模拟器”输出状态，是几何、物理或动态上忠实于世界的表示，人类和计算机程序可计算和交互。其契约是结构性的，服务专业人士和计算机程序。第三类“规划器”输出行动，给定观测和目标，回答智能体下一步行动，是渲染器反向过程。这三类涵盖多数实际落地系统，虽有区分但底层知识相同，研究正模糊三者界限。

模拟器是关键，连接渲染器与规划器

三类中，模拟器获公众关注最少却最具决定性。渲染器商业成熟，产品在消费级和企业市场扩张，但优化视觉合理性而非物理准确性，无法用于设计建筑或训练机器人。规划器有吸引力但处于初期，与机器人学习领域相关，演示多在实验室环境，与现实应用有差距，但商业投入大。模拟是连接渲染器和规划器的桥梁，掌握模拟能力的模型可投射视觉外观和行动预测，商业空间大，如NVIDIA的Omniverse瞄准超万亿美元潜在市场。该领域存在数据稀缺、“仿真到现实”差距、生成式模拟器风险、计算成本高等问题。World Labs的Marble是进入该领域的第一步，能生成三维环境并输出相关数据，但只是开端，领域发展轨迹更长，三类界限逐渐消融。

三类模型融合，未来发展可期

当前领域重要趋势是三类模型融合，渲染、模拟和行动所需知识本质相同。如预训练视频渲染器可建立渲染器与规划器桥梁，Marble打破渲染器与模拟器界限，各层向交互系统转变。逻辑终点是统一世界模型，但面临数据分布不均衡、视觉美感与精确性矛盾等挑战，调和这些是核心开放问题，也是World Labs推进Marble的方向。自1980年代末，领域押注丰富世界模型能让智能体观察、构建和行动，如今融合驱动新一代研究，重塑机器智能与物理世界关系。语言让机器谈论世界，世界模型让机器理解、想象、推理并与世界互动。未来，世界模型将如何进一步发展，重塑AI领域格局呢？