从会说话到懂物理：世界模型如何成为下一代AI的分水岭

最近几个月，科技界把“世界模型”放在了聚光灯下。它被视为 AI 的下一座里程碑，李飞飞掌管的World Labs 刚刚发布的Marble更是引发了行业强烈关注。“世界模型”从实验室走向了商业化，展示出超越传统大模型的能力，也让我们开始关注这项技术真正的价值。

第一章：世界模型为何成为焦点

世界模型最早可以追溯到 1990 年代的智能体研究：如果一个智能体要在环境中行动，它必须有一种“内在世界观”。只是当时的算力和数据规模远不足以支撑。到了 2015 年后，深度学习在图像、语言上爆发，研究者开始尝试把世界模型从理论推到实证。较早的里程碑包括：

• DeepMind 的 Dreamer与 MuZero，提出了“学会世界规则再做决策”的范式。
• Yann LeCun的 Joint Embedding Predictive Architecture (JEPA)，强调“可预测性”才是智能的核心。
• MIT、Stanford 等实验室 开始把视频、物理环境模拟作为主要研究对象。

世界模型真正成为全球热点，是在 2023 年 OpenAI 的 Sora 发布之后。Sora成功的核心不是“画视频”，而是“预测下一秒会发生什么”。这让世界模型从研究走向大众视野。2周前，随着 Marbles的公测，世界模型终于走向了我们大众的视野。

全球一些在做世界模型的主流玩家们：

• World Labs（Stanford Fei-Fei 李飞飞团队）— Marble
• OpenAI — Sora、Phoenix
• Meta — Project Aria、JEPA 应用化研究
• Google DeepMind — Genie / Video World Models
• NVIDIA — Omniverse + 世界模型加速框架
• Tesla — FSD（本质上使用了汽车世界模型）

第二章：世界模型与 LLM 的共同点和差异

简单来说，没什么共同点。

语言大模型（LLM） 是基于现实中的文学材料训练而成的，学的是 人类语言中的知识总结。我们看到的LLM更像一个能说会道的花瓶，跟着所有人学说话，说话像模像样，但完全缺乏内核，不知道自己在说什么。

世界模型 是基于真实世界的视频训练而成，学的是 自然界最底层的变化规律。它从大量真实视频中观察物体、动作、光影、结构，推演物理因果。世界模型更像人类学习的方式，通过观察变化来理解世界的规则。

从两个核心角度看差异：

1. 学习内容不同

• LLM ：高质量文字 – 学习人类对世界认知的文字描述，是更精华、抽象、主观、但有人类意识的学习内容。
• 世界模型：真实视频 – 学习真实世界的各类视频，是没有加工的、底层的、完全真实的物理世界

读万卷书不如行万里路，道理读了那么多却还是过不好这一生，有太多的名人名言告诉我们光看书没用，实践出真知，这也是大模型到现在为止最被大家诟病的地方。

2. 推理基础不同

• LLM ：根据上下文，推理下一个字是什么。
• 世界模型：基于物理结构、时空关系和因果链条，推理下一个时间点发生什么。

例如：一个5秒视频，在一个桌子上第1秒球不动，手推球；2-4秒 球往右滚；这4秒展现了手、球、桌是物理结构，“手推了球，所以球会滚”是因果链条。那时空关系对第5秒的推理：球在右边停下了。

世界模型对物理世界进行学习，虽然无法抽象出F=ma的物理公式，但他能从足够多的现实场景中看到物理规律，并形成自己的总结。LLM 擅长汇报和沟通，世界模型 适合判断现实可行性。两者结合，将是未来通用人工智能（AGI）的核心能力。

第三章：世界模型的近期应用与未来

当我们把目光从技术转向业务，会发现世界模型的价值并不遥远。短期内，Marble 已经公测，并有明确可落地的商业场景目标；更长期来看，它将重塑企业理解业务、决策运作的方式，成为未来管理者的关键基础设施之一。

一、短期：Marble 已经能落地的应用能力

1. 游戏、高级视觉效果、VR

Marble生成的环境可直接用于3D游戏的背景和环境，输出格式与unity或Unreal引擎打通后，不管是可交互的组件和环境都可快速生成和落地。

我用了一句话，Marble 4分钟构建出了较为粗糙的3D场景，真实性由北京的同学仔细看看。

2. 复杂场景的预测与模拟

Marble 的核心优势在于“预测下一帧世界的可能样子”。这使得它可应用于物理类或流程类的“动态场景”，例如：

• 机器人在空间中应如何移动 - AI for robot
• 汽车驾驶和突发情况模拟 - AI for 自动驾驶
• 实验过程可能发生的情况 - AI for science
• 物体结构或空间设计的可行性判断 - AI for Architecture

这些作用不会替代专家，却为专家提供一个高可靠性的“沙盒”，帮助提前验证方案是否可行。

二、长期：企业管理方式的深层变革

随着世界模型不断成熟，它将不仅仅是一个“工具”，更像是企业新的“认知基础设施”。新时代的仿真模拟，是未来管理者可提前布局的重点之一。

在 AI 中先跑一遍，再在真实世界落地。未来的世界模型可以理解空间、时间、行为之间的关联，这意味着企业的许多“流程变革”不再需要在真实环境中试错，而可以先在 AI 的虚拟世界中跑过一轮。变革风险更低、成本更低、决策更准确。

例子：供应链流程优化

传统工业软件通过数学和物理建模对工厂进行仿真模拟，需要对真实世界进行大量的数学抽象和人工假设。

未来，结合世界模型，企业再准备高质量流程与操作的数据记录，关键动作和布局的数字化资产（例如视频、IoT 数据）便可形成更为真实和高效的仿真模拟。帮助企业真正具备从“经验驱动”走向“模拟驱动”的能力，让每个流程优化都能提前验证风险和结果。

结语

人工智能的下一阶段，不再只是“语言理解”。世界模型正在打开一扇新的门，让 AI 具备观察和推演真实世界的能力。

对企业而言，这意味着智能化从“管理知识”迈向“管理现实”。从今天的预测、规划，到未来的自动化决策与模拟优化，世界模型会逐步成为产业数字化的重要基础设施。

这是一个刚刚开始的时代。更是一个值得提前投资、提前理解、提前布局的技术周期。