實(shí)現(xiàn)AGI，我們必須補(bǔ)上世界模型這一課！

文/勁草

來(lái)源/萬(wàn)點(diǎn)研究

近日，圖靈獎(jiǎng)得主、深度學(xué)習(xí)“三巨頭”之一、曾長(zhǎng)期擔(dān)任Meta AI首席科學(xué)家的楊立昆（Yann LeCun）博士，在Welch Labs訪談中再次直言：當(dāng)前大語(yǔ)言模型和生成式AI，難以通往真正的AGI（通用人工智能）。

楊博士不是首次這樣陳述自己的觀點(diǎn)，早在2022年提出JEPA等世界模型相關(guān)思路時(shí)，他就強(qiáng)調(diào)AI需要構(gòu)建對(duì)物理世界的內(nèi)部模擬規(guī)劃和因果理解、而非單純依賴語(yǔ)言預(yù)測(cè)。后續(xù)在多個(gè)訪談、演講和社交媒體中，針對(duì)大模型的批評(píng)變得更加鮮明和公開(kāi)。所以，LeCun的觀點(diǎn)不是在GPT徹底火爆后的“臨時(shí)轉(zhuǎn)向”，而是建立在他長(zhǎng)期對(duì)AI智能、世界模型和AGI實(shí)現(xiàn)路徑的深入研究基礎(chǔ)上的。

在筆者看來(lái)，這并非否定大模型的巨大價(jià)值，而是對(duì)技術(shù)路徑的清醒校準(zhǔn)。大模型在語(yǔ)言理解、代碼生成、內(nèi)容創(chuàng)作等領(lǐng)域已展現(xiàn)超凡生產(chǎn)力，極大降低了個(gè)人與企業(yè)的門檻。但其本質(zhì)是“下一個(gè)token預(yù)測(cè)”的統(tǒng)計(jì)機(jī)器，擅長(zhǎng)模式匹配，卻缺乏對(duì)物理世界因果關(guān)系、時(shí)空連續(xù)性和長(zhǎng)期規(guī)劃的深刻建模。這正是為什么它們?cè)诹奶旌蛯懽魃系眯膽?yīng)手，卻難以直接驅(qū)動(dòng)需要真實(shí)交互的具身智能系統(tǒng)——機(jī)器人自主行動(dòng)、高階自動(dòng)駕駛或復(fù)雜工業(yè)場(chǎng)景。LeCun的判斷，體現(xiàn)了頂級(jí)科學(xué)家的戰(zhàn)略視野：我們不能被短期繁榮蒙蔽雙眼，必須為下一范式布局。

如上所言，楊立昆的解決方案指向明確：轉(zhuǎn)向世界模型（World Model）。這不是簡(jiǎn)單升級(jí)，而是AI從“會(huì)說(shuō)話”向“懂世界、會(huì)行動(dòng)”的根本躍遷。世界模型的可預(yù)測(cè)、可模擬、可規(guī)劃的“內(nèi)心模擬器”特征，能夠讓AI像人類一樣通過(guò)觀察、預(yù)測(cè)多步后果并決策，而這種能力正是通往AGI的關(guān)鍵橋梁。

世界模型幫助AI認(rèn)知“物理世界”

世界模型擅長(zhǎng)理解物理規(guī)律、時(shí)空動(dòng)態(tài)和因果關(guān)系，強(qiáng)調(diào)預(yù)測(cè)未來(lái)狀態(tài)。比如“假使我這樣做，世界會(huì)怎樣變化”，在腦中模擬多種行動(dòng)序列，選擇最佳路徑，實(shí)現(xiàn)目標(biāo)。更重要的是世界模型的反事實(shí)推理能力，比如“如果當(dāng)時(shí)不這么做，會(huì)發(fā)生什么”。

而人類智能的根基也正是這種“世界模型”。嬰兒通過(guò)感官互動(dòng)逐步構(gòu)建對(duì)重力、物體持久性和社會(huì)規(guī)則的理解，進(jìn)而發(fā)展高級(jí)認(rèn)知。

從這一點(diǎn)推敲，AI若要實(shí)現(xiàn)通用智能，這一課必須補(bǔ)上。

很長(zhǎng)一段時(shí)間內(nèi)，AI發(fā)展注重處理符號(hào)，比如文字、數(shù)字、圖像、語(yǔ)音等，而世界模型更加關(guān)注“具身 grounding”的回歸，這也提示當(dāng)前LLM的局限性已日益顯現(xiàn)——它們?cè)诜忾]環(huán)境中表現(xiàn)亮眼，但在開(kāi)放物理世界中易出現(xiàn)“幻覺(jué)”或不可預(yù)測(cè)行為。

而世界模型通過(guò)視頻、傳感器等多模態(tài)數(shù)據(jù)訓(xùn)練，能習(xí)得更穩(wěn)健的物理一致性，這對(duì)機(jī)器人、自動(dòng)駕駛等落地場(chǎng)景至關(guān)重要，高階自動(dòng)駕駛實(shí)現(xiàn)真正零事故、機(jī)器人全面進(jìn)入工廠與家庭、醫(yī)療AI從輔助診斷走向自主干預(yù)。

想象一下：工廠內(nèi)智能機(jī)器人自主規(guī)劃復(fù)雜裝配，城市中Robotaxi無(wú)縫應(yīng)對(duì)突發(fā)路況，家庭機(jī)器人理解人類意圖并安全協(xié)作，這些場(chǎng)景不再是科幻，而是世界模型成熟后的必然結(jié)果。

簡(jiǎn)單總結(jié)，LLMs像一個(gè)博學(xué)的“聊天高手”，但出門就迷路；世界模型像一個(gè)有“內(nèi)心地圖”和“預(yù)演能力”的探險(xiǎn)家，能真正行動(dòng)并生存。

我們有理由相信，世界模型推動(dòng)AI發(fā)展范式轉(zhuǎn)變而帶來(lái)的商業(yè)前景，將極為廣闊。正如馬斯克關(guān)于“AI與機(jī)器人滿足人類一切欲望”的預(yù)言，因世界模型而變得可及。

而資本市場(chǎng)與產(chǎn)業(yè)界的行動(dòng)投票也證明這一點(diǎn)：李飛飛World Labs和楊立昆AMI Labs均獲超10億美元融資，NVIDIA、Tesla深度布局，國(guó)內(nèi)車企加速跟進(jìn)，資本市場(chǎng)已將世界模型視為后LLM時(shí)代主賽道。

和而不同：生成派VS表征派

落地到實(shí)踐層面看，當(dāng)前世界模型領(lǐng)域呈現(xiàn)鮮明的技術(shù)流派競(jìng)爭(zhēng)，以李飛飛和楊立昆為代表的兩大路線尤為矚目。

AI教母李飛飛博士創(chuàng)立的World Labs走生成路線，首個(gè)商用產(chǎn)品Marble能從一句話、一張圖或視頻生成高保真、可漫游、可編輯的3D世界。這些世界具備真實(shí)幾何結(jié)構(gòu)、物理屬性，支持交互編輯和大規(guī)模構(gòu)建。而Marble強(qiáng)調(diào)的空間智能與物理一致性，特別適合內(nèi)容創(chuàng)作、虛擬生產(chǎn)、游戲開(kāi)發(fā)和可視化模擬。騰訊混元、阿里等國(guó)內(nèi)項(xiàng)目也聚焦類似方向，在前端可視化和資產(chǎn)生成上展現(xiàn)潛力。

商業(yè)化落地快的特征，使得生成路線在娛樂(lè)和設(shè)計(jì)領(lǐng)域更快看到明確的變現(xiàn)路徑，這說(shuō)明生成路線直擊“創(chuàng)造世界”的痛點(diǎn)，極大降低了3D內(nèi)容門檻，但長(zhǎng)程規(guī)劃有時(shí)仍需后處理優(yōu)化的弊端也十分明顯。

另一方面，楊立昆創(chuàng)立的AMI Labs則強(qiáng)調(diào)表征路線。不同于Marble的空間生成，基于JEPA架構(gòu)理念的技術(shù)路線不追求像素生成，更強(qiáng)調(diào)在潛在空間學(xué)習(xí)抽象表示，如同人類的心智模型，擅長(zhǎng)直覺(jué)預(yù)測(cè)，如同人看到玻璃杯即將傾倒，會(huì)預(yù)測(cè)水撒出甚至摔地破碎，應(yīng)該及時(shí)決策扶住并阻止等。

很明顯，表征路線更接近人類“腦中模擬”的本質(zhì)，尤其適合機(jī)器人規(guī)劃、智能駕駛等場(chǎng)景。

汽車成為世界模型產(chǎn)業(yè)實(shí)踐的熱土

事實(shí)上，汽車行業(yè)是世界模型落地最快的領(lǐng)域。

如Tesla Neural World Simulator利用海量數(shù)據(jù)實(shí)現(xiàn)高效閉環(huán)，國(guó)內(nèi)蔚來(lái)NWM世界模型早在2024年推出，能全量理解信息、生成新場(chǎng)景、預(yù)測(cè)軌跡，在主動(dòng)安全、領(lǐng)航、泊車等場(chǎng)景升級(jí)，支持人機(jī)共駕。

在剛剛閉幕的2026北京車展上，物理AI、世界模型成為全場(chǎng)關(guān)鍵詞，也是更加貼切的產(chǎn)業(yè)印證。

展會(huì)上，小鵬以“物理AI科技公司”身份亮相，展出IRON人形機(jī)器人和Robotaxi原型車，宣布投入70億元研發(fā)物理AI；吉利發(fā)布原生Robotaxi Eva Cab，搭載WAM世界動(dòng)作模型，支持L4級(jí)無(wú)人運(yùn)營(yíng)；輕舟智航推出基于“世界模型+強(qiáng)化學(xué)習(xí)”的乘風(fēng)MAX方案，算力超500TOPS，實(shí)現(xiàn)城市NOA；華為ADS 5.0引入多智能體+云端世界模型；Momenta R7強(qiáng)化學(xué)習(xí)世界模型等也在多款車型落地。人形機(jī)器人布局火熱，小鵬、理想、小米、奇瑞等均有實(shí)質(zhì)進(jìn)展......

從新勢(shì)力到傳統(tǒng)車企，從整車到供應(yīng)鏈，幾乎人人都在談如何讓AI進(jìn)入物理世界，而世界模型作為物理AI的“大腦”核心，重要性不言而喻。單純依賴LLM已不足以應(yīng)對(duì)物理世界的復(fù)雜性，世界模型+強(qiáng)化學(xué)習(xí)成為從感知到?jīng)Q策閉環(huán)的關(guān)鍵。

這一共識(shí)的形成遠(yuǎn)早于眾人預(yù)期，反映出車企在智能化下半場(chǎng)的戰(zhàn)略敏銳度。供應(yīng)鏈話語(yǔ)權(quán)提升，寧德時(shí)代、地平線等與整車同臺(tái)，也預(yù)示產(chǎn)業(yè)生態(tài)重構(gòu)。車展上的密集落地，也為全球提供了中國(guó)樣本——數(shù)據(jù)優(yōu)勢(shì)、工程能力與資本結(jié)合，正加速技術(shù)從實(shí)驗(yàn)室走向量產(chǎn)，同時(shí)也說(shuō)明世界模型是克服LLM局限的必由之路。

產(chǎn)業(yè)界的觀點(diǎn)是，2026或?qū)⑹鞘澜缒Ｐ痛蟊l(fā)的元年，世界模型的成熟周期將快于預(yù)期。

盡管世界模型的發(fā)展面臨物理一致性、長(zhǎng)程規(guī)劃、數(shù)據(jù)安全等挑戰(zhàn)，但合成數(shù)據(jù)技術(shù)、強(qiáng)化學(xué)習(xí)閉環(huán)和多方協(xié)同正快速破局。值得一提的是，NVIDIA Cosmos平臺(tái)在基礎(chǔ)設(shè)施層面發(fā)揮關(guān)鍵作用，其Predict、Transfer、Reason等模型家族生成定制合成數(shù)據(jù)，大幅降低真實(shí)數(shù)據(jù)采集成本，支持物理一致性訓(xùn)練，已成為機(jī)器人和自動(dòng)駕駛的訓(xùn)練底座。NVIDIA的平臺(tái)策略著實(shí)聰明，將基礎(chǔ)設(shè)施開(kāi)放與生態(tài)綁定，加速全行業(yè)進(jìn)步。

世界模型不再是營(yíng)銷口號(hào)，而是定義下一代競(jìng)爭(zhēng)力的核心，而真正的智能始于世界而非語(yǔ)言這一理念正被越來(lái)越多的實(shí)踐驗(yàn)證。

本文由萬(wàn)點(diǎn)原創(chuàng)，如需轉(zhuǎn)載、商務(wù)合作

請(qǐng)私信或加V溝通：微信號(hào)zzdmw5728