世界模型的学习目标与语言模型有什么不同？

二者最根本的差异在于学习目标不同：语言模型学习文本的统计结构，世界模型学习空间与时间的统计结构。

1. 语言模型：预测下一个词元

语言模型的训练目标是"预测下一个词元（Token）"，它掌握的是词与词、概念与概念之间的共现规律，记录的是"人类如何描述世界"，而非"物体如何在世界中运动"。

2. 世界模型：预测下一个世界状态

世界模型的训练目标是"预测下一个世界状态（Next State Prediction）"。北京智源人工智能研究院在《2026 十大 AI 技术趋势》中，将这一转变视为从 Next Token Prediction 向 Next State Prediction 的范式迁移。

3. 新预训练范式的判断

英伟达机器人负责人 Jim Fan 也提出，继"下一个词预测"之后，"世界建模"或称"下一个物理状态预测"将成为新的预训练范式。

4. 二者是结合而非替代

二者并非替代关系，业界普遍认为未来的智能系统更可能是语言模型、世界模型、视觉与行动能力的结合。