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
世界模型概念被滥用，视频生成仅为像素级模拟，无法预测物理状态。智能体架构虽无差距，但基座模型能力与成本制约落地。AI正从语言模型向物理世界模型演进，行业亟需正本清源，突破数据、评测与技术路线等瓶颈。
“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。
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。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
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。