世界模型三十问（第三期）

近年来，世界模型迅速崛起，成为人工智能领域最受瞩目的方向。什么是世界模型？它与我们熟知的大语言模型有何不同？它能否成为通往通用人工智能的关键路径？为帮助广大科技工作者准确把握世界模型的内涵外延、发展态势，中国电子学会编写了《世界模型三十问》。今天推送给大家的是第三期。

第11问 什么是通用世界模型、垂直世界模型？

通用世界模型是跨领域通用的底层认知底座，依靠海量行业数据学习普适性空间、物理与因果规律，具备跨场景泛化能力，多用于通用仿真、通用人形机器人研发。

垂直世界模型聚焦单一行业场景，导入专属工况与物理规则，行业仿真精度更高，适配端侧轻量化部署。

二者核心区分体现在四方面：一是训练数据，通用模型覆盖全域场景，垂直模型聚焦细分行业；二是能力导向，通用模型注重跨场景泛化，垂直模型注重行业落地精度；三是部署形态，通用模型多依赖云端大底座，垂直模型可轻量化端侧运行；四是应用边界，通用模型适配多元未知任务，垂直模型仅适配本行业作业场景。整体上，垂直世界模型是世界模型面向产业落地的定制化衍生形态。

第12问 行业中还出现了哪些世界模型概念？

目前，行业衍生出多层级细分世界模型概念：一是动作交互类，包含上文提到的AC-WM、WAM、VAM，主要服务机器人具身控制；二是表征路线类，涵盖潜空间世界模型、符号世界模型、文本世界模型、神经算子世界模型；三是行业垂直专用模型，有面向自动驾驶赛道的BEV-WM（鸟瞰世界模型）、针对多指灵巧手精细交互的Dex-WM（灵巧操作世界模型）等；同时可按功能分为生成式、仿真式、规划式、反事实世界模型，按适用范围分为通用世界模型与垂直世界模型。

第13问 当前世界模型领域是否存在概念泡沫？

当前世界模型领域尚未形成统一权威定义，视频生成、3D重建、传统仿真引擎、普通多模态模型均被冠以“世界模型”标签，形成“万物皆可世界模型”的乱象。一些仅能生成静态画面、无动作输入预测能力的渲染模型，被包装为世界模型对外宣传，混淆渲染器与模拟器的核心边界。世界模型作为下一代人工智能底层技术，具备广阔的产业落地空间，但短期概念炒作、估值虚高问题突出，后续随着产业化应用持续推进、行业标准体系逐步完备，市场将加快优胜劣汰，实现良性洗牌。

第14问、什么是元宇宙、数字孪生、物理AI，与世界模型什么关系？

元宇宙是一个持久化、沉浸式、可交互的虚拟共享空间，强调社交、经济系统与多终端接入，是应用与体验层概念。世界模型可作为元宇宙的底层引擎，自动生成并维持虚拟世界的物理一致性与场景演化，降低人工建模成本。

数字孪生指对真实物理实体/系统在数字空间的高保真映射与实时同步，强调几何、物理、行为、规则的多维一致性，多用于工业、城市、装备运维。传统数字孪生依赖CAD/CAE/物理引擎，而世界模型提供一种数据驱动的动态孪生能力，可从观测中自学状态转移与故障演化，弥补传统数字孪生在复杂非线性系统中的不足。

物理AI指具备在物理世界中感知、理解、推理与行动能力的AI，如机器人、自动驾驶、工业智能等。世界模型是物理AI的核心认知底座。没有世界模型，物理AI只能靠端到端模仿或试错；有了世界模型，物理AI可实现内部预演、适应新环境、做安全决策。

第15问 世界模型、具身智能、人形机器人、通用人工智能是什么关系？

具身智能是能够在真实物理环境中自主感知、交互、执行动作的智能体系。

人形机器人被认为是具身智能最理想的载体，指外观和行为与人类相似，具有部分或全部人类特征的机器人。这些人类特征包括头部、躯干、四肢、动作、表情、语言和智力等。

通用人工智能是人工智能发展的终极目标，指具备和人类同等认知水平的智能系统，拥有自主因果推理、长期规划、跨场景迁移学习的综合能力。

世界模型、具身智能、通用人工智能构成递进关系：世界模型提供“预判能力”，让智能体能在想象中推演未来；具身智能依托世界模型的认知能力，结合感知、执行硬件实现与真实物理环境的交互，让人工智能从“会思考”升级为“能行动”，依托人形机器人等终端实现智能认知向实操应用的转化；通用人工智能则是最终目标，通过融合世界模型的物理认知能力、大模型的逻辑交互能力与具身智能的实际执行能力，实现全域通用、自主适配的高阶人工智能形态。世界模型与具身智能深度融合，是通往通用人工智能的现实路径。