给AI装上“想象引擎”，世界模型如何让机器预见未来｜新民·科技前沿
世界模型旨在让AI理解物理世界规律并预测未来，具备生成性、多模态与互动性。当前有生成派、空间智能与JEPA架构三条技术路线。中国团队在世界模型评测中取得领先，突破算力依赖，展现原创技术潜力。
设想一个这样的早晨：你看到窗外乌云密布，不需要被淋到雨就知道该带伞出门；你在脑海中预演一次出行，评估路上可能遇到的堵车点，提前规划好绕行路线。这种在现实中“提前演一遍”的能力，人类每天都在使用，却很少意识到它的珍贵——因为它来自我们每个人脑中一个叫作“心智模型”的神奇系统。
如今，AI领域的科学家们也试图为机器也装上这样一套系统。他们给这套系统取了一个更宏大的名字——“世界模型”。当大语言模型教会了AI写诗作画甚至做奥赛题后，世界模型要做的，是让AI真正“看懂”并“预见”这个物理世界。
来源：东方IC
AI脑中的“内心剧场”
“世界模型”这个词听起来有点遥远，其实可以用一个生活化的画面来理解：想象AI的大脑里住着一个导演和一个剧组。这个剧组收到一张客厅照片后，不需要任何人手把手教，就能自动“推导”出茶几的背面长什么样、沙发的扶手有多大厚度，甚至还能判断如果你推它一把，它会怎么倾斜——因为AI的“内心剧场”已经在后台完成了这些物理演算。这就是世界模型。
所以，世界模型究竟是什么？从学术上讲，它是一套技术框架，目标是让AI能够理解周围环境的规律，并在此基础上预测未来。它需要具备三大核心能力：第一，生成性——能构建三维模拟环境；第二，多模态性——能同时处理图像、视频和文字信息；第三，互动性——能根据你的动作预判状态下一步的变化。
这个想法其实并不新鲜。早在1943年，英国认知科学家肯尼斯·克雷克就提出：人类大脑是通过构建一个“小规模的外部世界模型”来理解和预测事件的。到了1960年代，AI先驱马文·明斯基把这一思想带进了计算机领域。2018年，科学家们用循环神经网络重新点燃了学界的研究热潮。而真正让世界模型走入公众视野的，是过去两年间一系列标志性产品的发布，将这场学术探索推向了产业化的新阶段。
群雄逐鹿，各有侧重
要让AI学会“预见未来”，不同的科学家给出了截然不同的方案。目前在通往世界模型的路上，主要有三条代表性路线。
第一条路线被称为“生成派”，由谷歌DeepMind的Genie系列模型“扛旗”。Genie 2支持从文本、图片和视频生成动态3D环境；Genie 3则具备了长期时序预测、物理规律建模和场景演化能力。这种路线的做法相当“暴力美学”：给模型海量的视频数据，让它自己去“悟”出物理规律。它不需要被灌输牛顿力学公式，而是通过疯狂地预测“下一帧会发生什么”，在不知不觉中自己推导出了万有引力。
第二条路线来自“AI教母”李飞飞，她的“空间智能”概念，意在让AI像人类一样理解三维物理世界，而不只是处理语言符号。2024年她创办了World Labs，迅速成为AI领域的独角兽企业；2025年11月，公司推出了首款商业产品Marble——一个可以用一张图片、一段视频或一句文字提示生成可探索三维世界的工具，开创性地将生成式AI从“画一张图”推向了“造一个世界”。李飞飞团队本月初在一篇博客文章中，将世界模型分成了三类：输出像素的“渲染器”、输出物理数据的“模拟器”、输出动作计划的“规划器”。“渲染器”的商业化跑得最快，但最大的问题是“只管好看，不管物理对不对”。“模拟器”则是最被低估的技术枢纽，因为它工作在几何和物理的层面上，既能为人类生成视觉画面，也能为机器人提供精确的行动指令；而李飞飞团队的Marble已经在尝试将渲染器和模拟器统一起来。
第三条路线由图灵奖得主杨立昆领衔。杨立昆认为，与其浪费算力去预测每个像素的颜色，不如让AI学会预测“抽象特征”——就像人类开车时不需要时刻计算每一个路面纹理的细节，只要抓住关键信息就能安全驾驶。他提出的JEPA架构正是基于这个理念，并与团队发表了LeWorldModel，实现了从原始像素端到端稳定训练JEPA模型的新突破，在规划效率上取得了显著提升。
原创技术驱动“中国解法”
在世界模型的赛道上，我国科学家的表现同样令人瞩目。前不久，智元机器人自研世界模型Genie Envisioner-Sim 2.0凭借优异的综合表现，在全球世界模型评测基准World Arena“感知与动作响应”榜单中位列第一。该模型采用20亿参数，功能上全面覆盖了长时序生成、多视角生成、近实时推理等多个核心环节，构建了从“感知预测”到“仿真进化”的完整技术闭环，让机器人策略能在虚拟场景中自主积累经验。
同济大学空间智能团队主导研发的“无界”世界模型同样惊艳——在World Arena权威评测中，其开源版本BLM在13个参评的开源模型中夺得全球第一，闭源版本BWM-Fast在总计86个参评模型中位列全球第二，与榜首仅差0.39分。值得注意的是，这个模型只有50亿参数，却跑赢了算力远超自身的对手，证明世界模型的关键或许不在于堆砌算力，而在于精巧的技术架构设计。
数天前，大晓机器人与合作伙伴发布了全球首个实现全屋生成、个体物体全交互的世界模型统一框架。该技术突破了现有室内场景生成仅能覆盖单房间、缺乏全局一致性与可操作性的行业瓶颈，能够一键生成结构连贯、物理合理、功能完整的全屋三维场景，为具身人工智能与机器人训练提供了大规模、高保真的中国家庭场景可交互的实训场。
【相关阅读】全球首个全屋生成、个体级物体全交互模型发布！机器人在仿真世界加速训练
来源：东方IC
业内人士指出，世界模型的商业前景令人振奋。据初步估算，仅工业机器人训练市场，世界模型的潜在规模就达数千亿元；如果算上具身智能、影视游戏引擎、科学计算与消费级内容生成，整体天花板远超当前大语言模型的应用层。无疑，世界模型的进化，正在将AI从“看懂”世界，一步步推向“预见”世界。
原标题：《给AI装上“想象引擎”，世界模型如何让机器预见未来｜新民·科技前沿》
栏目编辑：马丹
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。
Cubase 是 Steinberg 推出的数字音频工作站，提供 MIDI 编曲、多轨录音、音频编辑、虚拟乐器、效果处理、自动化、混音和母带输出工具。其 Pro、Artist 与 Elements 版本面向不同预算和制作规模，