世界模型三十问（第四期）

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四期。

第16问 为什么说世界模型能够推动人工智能实现全方位能力跃升？

一是推动AI从“预测语言”走向“预测世界、规划行动”。以“下一词元预测”为核心的大语言模型擅长理解和生成语言，却难以稳定把握物理规律及行动后果。世界模型进一步学习环境状态、变化机制与因果关系，使AI能够在行动前回答“如果这样做，世界会怎样”，并比较不同选择的结果，有望成为人工智能从数字认知迈向物理智能的重要“根”技术。二是突破物理认知瓶颈，强化因果推演与具身能力。世界模型可以提升对物理常识理解和反事实推演能力。如，自动驾驶系统可预测交通参与者行为、生成极端道路场景；机器人可提前模拟抓取、移动和操作工具的结果，并在虚拟环境中训练和评测，从而降低试错成本与风险。三是提升安全可控水平。世界模型能够通过前置仿真识别风险、约束智能行为，为机器人和自动驾驶提供安全验证底座。

第17问 为什么全球科技巨头都押注这一领域？

当前，OpenAI、Meta、谷歌、英伟达等全球头部科技企业加大世界模型研发投入，是全球科技竞争与商业价值重塑等多重因素叠加形成的结果。世界模型被业界公认为打通AI与真实物理世界、实现具身智能落地的核心底座，是迈向通用人工智能的必经路径。人形机器人、高阶自动驾驶、工业仿真、低空装备等领域均高度依赖环境推演与自主规划能力，世界模型能够为各类智能硬件提供低成本仿真训练、风险前置预判、柔性自主作业等支撑，开辟区别于线上内容服务的全新增量市场空间。

同时，全球人工智能竞争重心已从语言交互能力转向物理世界认知能力，率先掌握成熟世界模型技术的企业，即可抢占下一代人工智能底层标准、算力生态与产业应用接口的主导权，构建长期难以突破的技术护城河，广阔的商业化前景推动全球科技巨头持续加码布局这一关键赛道。

第18问 发展世界模型有哪些重要的现实意义？

世界模型作为下一代人工智能核心基础设施，将对产业升级、社会治理、科技创新产生全方位、深层次、长远性影响。在产业层面，将重构人工智能产业发展生态，破解数字经济与实体经济融合壁垒，为人形机器人、高阶自动驾驶、工业智能等领域提供核心底层支撑，持续培育新质生产力。在传统产业领域，将推动传统产业智能化改造，提升制造、物流、农业等领域生产效率与精细化水平，重塑产业生产模式与分工体系。在社会治理层面，可实现城市治理、公共安全、应急处置的前置化、智能化、精细化升级，推动治理能力现代化。在科技发展层面，将推动人工智能、物理科学、工程技术、材料科学跨学科融合，重构前沿领域科研范式，带动科技创新突破，夯实未来科技竞争优势。

第19问 当前世界模型的主要技术路线有哪些？

由于“世界模型”的定义尚未统一，不同的研究者和机构选择不同的技术路线。目前可以大致归纳为以下三种：一是生成式视频路线，以Sora、Genie为代表，通过扩散模型或自回归模型生成未来视频帧，实现对世界动态过程的建模。二是抽象预测路线，以I-JEPA、V-JEPA为代表，不生成画面，而是在表征空间预测缺失区域或未来状态。三是空间智能路线，以李飞飞团队的World Labs、英伟达Omniverse为代表，聚焦三维空间的理解和生成，可以直接导入游戏引擎或物理仿真环境。

第20问为什么说世界模型还在探索初期？

尽管概念火热，但世界模型仍处于技术早期阶段，原因有以下三个方面。一是技术路线尚未收敛，通用复杂场景物理推理、长时序稳定推演与高精度反事实推理等核心能力仍存在明显短板。二是泛化能力有限，现有模型多在游戏、仿真或特定室内场景中验证，面对真实物理世界表现不稳定。三是评估体系缺失，无法衡量世界模型作为“基座”的核心综合实力，如对物理规律掌握程度、因果推理准确性等，难以客观衡量不同模型的优劣。总体而言，当前世界模型离真正可靠的“世界模拟器”还有距离。