世界模型想解决什么

当下的大语言模型擅长处理文字，但对物理世界缺乏直观理解——它们无法想象一个杯子掉落后会怎样。世界模型（World Model）的目标，是让AI在大脑里构建一个可以「预演」现实的世界模拟器，理解物体运动、因果关系和时间演化，从而在下棋、开车、操作机器人等需要长期规划的任务中表现得更加可靠。

与视频生成模型的关系

以Sora为代表的视频生成模型被认为是通向世界模型的雏形：它们在生成连续视频的过程中，隐式学到了光照、碰撞、重力等物理规律。但单纯的「看起来合理」不等于「真正理解」，研究者正在探索如何让模型在生成之外，还能进行反事实推理——例如预测「如果换个角度会发生什么」，这是通往通用智能的关键能力。

落地前景与难点

世界模型最有潜力的应用在具身智能与自动驾驶领域：机器人可以在虚拟世界中反复试错训练，再迁移到现实，大幅降低数据采集成本。难点在于模型容易产生幻觉，对小概率事件和复杂交互的预测仍然不可靠，且训练所需的算力规模巨大。即便如此，它已被视为通往通用人工智能的重要拼图。

展望未来，随着算力持续提升和训练数据不断丰富，世界模型有望成为连接语言、视觉与物理行动的枢纽，让AI从「会说」走向「会做」，真正逼近通用智能的目标。