视频生成≠世界模型：当AI还在生成“天上飞的猪”，物理规律仍是最大短板

“世界模型”这四个字，在2025年的AI行业里，热度几乎无人能及。从OpenAI的Sora点燃大家对“世界模拟”的想象，到斯坦福李飞飞团队提出世界模型的技术三分法，再到NVIDIA推出Cosmos系列大模型——大量科研机构和科技公司都扎进了这条赛道。但与此同时，概念被滥用、路线各说各话、标准严重缺失，这些乱象也一并浮现出来。

最近，北京智源人工智能研究院院长王仲远在接受媒体采访时，围绕世界模型的技术路线之争、智能体的落地瓶颈、AI与神经科学的跨界融合，以及国产AI的生态建设，聊了不少硬核观察。在他看来，人工智能正处在一场关键的范式变革中——从过去十年大语言模型主导的时代，逐步迈向面向物理世界的世界模型时代。而眼下整个行业最需要的，不是炒作概念，而是正本清源后的扎实探索。

世界模型热下的冷思考：概念泛滥与路线正本清源

过去半年，“世界模型”从一个偏学术的小众概念，迅速变成了行业里的通用热词。但问题也随之而来：概念被严重误用。不少视频生成模型、3D重建工具、多模态大模型，都给自己贴上了“世界模型”的标签。而行业对于世界模型的定义、技术路线和评测标准，始终没能形成一个共识。

王仲远把世界模型的技术路线归纳为四类：第一类是以语言为中心的世界模型，包括大语言模型、视觉语言模型（VLM）、视觉语言行动模型（VLA），本质上是把其他模态映射到语言空间；第二类是以像素为中心的世界模型，视频生成是典型代表，核心是预测下一个画面帧——虽然不是预测下一个物理状态，但和世界模型确实相关；第三类是以三维结构为中心的世界模型，比如3D重建；第四类是以视觉表征为轴心的世界模型。

有趣的是，目前被广泛当作世界模型代表的视频生成技术，本质上只是像素级的模拟，离真正具备物理状态预测能力的基座模型还很远。“视频生成模型可以生成一群猪在天上和飞机一起飞，因为它的训练数据里包含大量科幻电影内容，它的目标从来就不是还原真实物理世界的规律。”王仲远直言，现在所有类型的世界模型，距离真正能理解、预测、交互真实物理世界的基座模型，差距都非常大。整个行业，还处在非常早期的阶段。

对行业来说，比技术分类更重要的，是世界模型核心范式的变革——从大语言模型时代的“下一个Token预测”，演进到世界模型时代的“下一个物理状态预测”。

“人们看到杯子在桌边倾斜，就知道它可能掉下来摔碎。这种对真实物理世界的状态感知、规律理解、决策推演，就是未来世界模型需要具备的核心能力。”王仲远举了个例子：现在大语言模型能在高考数学里拿148分，也能回答“铁碗不能放进微波炉”这种常识。但没有任何一个机器人的大脑，能真正在物理世界里执行这些判断。这就是世界模型要解决的核心问题。

而要达成这个目标，行业还需要突破好几道坎。数据肯定是缺乏的，尤其是真实物理世界的数据，到底需要哪种数据，大家还没找到路径。其次是评测体系缺失——现有的评测大多聚焦视频生成，根本衡量不了世界模型作为基座的核心能力。最重要的是技术路线还没收敛，行业对如何训练世界模型没有形成共识。未来三到五年，都会是世界模型持续演进的阶段。

智能体落地：架构没有差距，瓶颈在基座与成本

如果说世界模型是AI行业的下一代技术方向，那么智能体就是当下最火的落地赛道。从去年开始，各类终端智能体、办公智能体、科研智能体产品层出不穷。但行业普遍的体感是“概念很美好，实际不好用”，真正能达到用户预期的产品寥寥无几。

王仲远的判断很直接：国内智能体的技术架构与国际顶尖水平并没有差距。用户觉得不好用的核心原因，从来不是架构设计，而是背后的基座模型能力、运行成本和长期记忆能力。中国在工程架构、场景应用上本来就是强项，很多时候大家觉得国产智能体体验不好，本质上是背后的基座模型还有差距，不是架构本身的问题。现在智能体已经达到了可用甚至好用的水平，尤其是在信息调研、资料整理、报告撰写这些场景，效率提升已经非常明显。

他分享了自己的亲身体会：有一回准备一份发言稿，自己花了好几个晚上整理的内容，用智能体5分钟就生成了质量几乎没有差别的版本，甚至数据细节比自己查得还要翔实。王仲远认为，智能体在提升生产效率上，已经达到了相当高的水平。但推广还需要一定周期——如果智能体一个月要消耗几万甚至几十万元的Token，并不是每个人都负担得起；另外，很多智能体今天教的东西，过两天就忘了，没有长期记忆和持续进化的能力，用户自然会觉得不好用。

而比产品体验更深远的影响，是智能体与AI Coding带来的产业范式变革。腾讯最近披露了“新代码大部分由AI生成”的行业现状。在王仲远看来，人类数字世界的底层本质是由代码构成的，当AI Coding成为主流，意味着整个数字世界都将被AI逐步重构。未来，程序员会越来越多地变成架构师或者评估师，游戏、程序、应用都会由AI参与构造。这种对整个数字世界、对产业组织形态的影响，比世界模型来得更快、更直接。

与之相伴的，是“AI原生组织”概念的兴起。但在王仲远看来，目前这还更多停留在理念层面。AI原生组织本质上要回答一个问题：如果推倒重来，基于AI基础设施的公司形态应该是什么样？AI Agent扮演什么角色，人又扮演什么角色？大家都在摸索，还没有出现真正可复制的成功案例。

他认为，比企业组织变革更值得关注的，是AI对下一代人才培养模式的影响。这也是今年智源大会首次设立AI Native教育论坛的核心原因——当AI可以写代码、做调研、生成内容，下一代人到底需要具备什么能力？还要不要学传统的编程？这些问题不仅关乎教育，更关乎整个AI时代的社会基础。