前沿 · 世界模型

世界模型:让 AI 预测物理世界会怎样

36 个世界模型,分属四条技术路线、四个落地场景。物理世界的结果多半要上真机才能验证,又慢又贵,这是它排在劳动阶梯最后一级的主要原因。

行业早期判断看能力矩阵 →

技术路线 × 落地场景

路线回答「怎么建模世界」,场景回答「拿去做什么」。自动驾驶与机器人最靠近真机,也最缺可复现的实测。

技术路线 ↓ · 场景 →机器人自动驾驶游戏与交互通用
潜空间规划(MBRL) →——
3
DIAMOND、DreamerV2 等
3
DreamerV3、DreamerV1 等
联合嵌入预测(JEPA) →
1
V-JEPA 2
——
2
V-JEPA、I-JEPA
视频生成模拟器 →
5
GR00T 2、Cosmos 3 等
2
GAIA-2、GAIA-1
8
Genie 4、LingBot-World 2 等
5
万相 Wan3.0、Seedance 2.0 等
3D 空间智能 →——
2
Marble、HunyuanWorld
3
Atlas、3DGS 等
具身策略(VLA)· 9 个输出动作、不预测世界,是世界模型的下游,不计入上表 →

世界模型在哪一层

通用大模型
语言、视觉、推理
智能体
工具、记忆、长程任务
世界模型
预测环境会怎样变化
行动策略
规划、VLA、机器人控制

同一个词,三种系统

渲染器
生成给人看的像素。多数视频生成模型停在这里。
模拟器
给出程序可算的几何与物理状态,可以拿来训练别的系统。
规划器
能推演「换个动作会怎样」,直接用于决策与控制。

正在合流的三件事

视频世界模型 + 机器人控制
先预测未来画面,再用逆动力学反解出动作。
自回归 + 扩散
兼得长时一致与逐帧画质。
视频渲染 + 3D 模拟
像素好看,几何也可算。

四条技术路线

潜空间规划(MBRL)《World Models》在梦境中训练智能体;Dreamer 系十年长跑,Nature 2025 从零采到钻石。2018 — 至今联合嵌入预测(JEPA)「生成像素浪费容量在树叶抖动上」——隐空间预测才是通往规划的正道。V-JEPA 2 零样本控制。2022 — 至今视频生成模拟器从 Sora 争议到 GameNGen 跑 DOOM、Genie 3 可玩世界,与国内 LingBot-World 的开源对标。2024 — 至今3D 空间智能NeRF / 3DGS 打地基;李飞飞 World Labs 与 Marble 生成可探索、持久的 3D 世界。2020 — 至今
起源:1990 年的预测器 + 控制器 →具身策略:世界模型的下游 →

大模型为什么还不是世界模型

从世界模型的角度看,最强的通用模型还差什么。

GPT-6.1 Sol定位是把 Astra 的能力继续变便宜;能找到的公开材料里没有任何基准数字,更没有物理世界或真机结果。GPT-6 Astra第三方已经把它直接接到机器人上:RoboDojo 模拟器里平均成功率 22.48%,超过全部公开的机器人策略,也在 8 种真机构型上跑过(arXiv:2609.24170、arXiv:2610.22471)。但它仍是「看画面—再动作」的闭环,精细操作、动态控制与双臂协调弱,没有可供反事实推演的显式环境状态;OpenAI 自己没有发布任何机器人结果。Claude Fable 5.2机器人控制第一次有了数字,但只在模拟器里、由厂商自己跑;发布页没有真机结果,也没有说明它维护可供反事实推演的环境状态——它是在每一步看画面后决定下一个动作,不是在预测世界。Claude Opus 5.5发布页没有任何物理预测、动作条件下的环境演化或真机结果;计算机操作变强仍是「看屏幕—再动作」的数字闭环。Gemini 4 Carbon发布页的评测集中在编程、网络安全与金融;物理世界相关的结果在同家族的 Argon 与 Gemini Robotics 2.5 那边,Carbon 本身没有。Gemini 4 Argon具身推理的 87% 是问答题;控制机器人的例子要么调用写好的抓取与放置原语,要么配合动作模型 Gemini Robotics 2.5。它理解物理场景,但不预测世界会怎么变。Kimi K3.1 Pro评测全部落在编程、办公、科研与网络安全;没有任何环境预测或机器人控制的结果。

引擎带来的

大模型与 RSI 那一侧的进展,传到世界模型上的部分。

递归自我改进有实测数据RSI → 世界模型

方向和直觉相反:不是 RSI 顺带产生世界模型,而是世界模型是 RSI 走出数字域的前置条件——因为物理世界没有便宜的验证器。

物理版 MCP:Model Hardware Standard有论证,无实验大模型 → 世界模型、AI4S

它一行动力学预测能力都不提供,但它降低的恰恰是能力矩阵「真实世界」那一列最贵的东西——把模型接到真机上的成本。

同一个基准,两个都算数的分数有实测数据大模型 → 世界模型、RSI

同一个模型、同一套题,换一层评测外壳分数从 62.7% 跳到 99.9%——世界模型的官方数字经不起同样这一问。

从压缩摘要到可检索的持久上下文有论证,无实验大模型 → 世界模型、RSI

对照组这个月在补「长程记忆」,但补的是自己会话历史的记忆,不是环境状态的记忆——两件事只共享一个名字。

通用大模型直接当机器人策略有实测数据大模型 → 世界模型

通用大模型不经机器人专门训练,已能在模拟器里直接控制双臂机器人,第三方测出的成绩超过全部公开的机器人策略;但成绩几乎都在模拟器里,真机上它更像高层规划者,离稳定可靠的控制还远。