世界模型
这页作为世界模型主题的概览，区分“生成式模拟器”和“预测式模型”两条路线，并连接到更详细的 世界模型技术调研。
什么是世界模型
世界模型 (World Model) 是一类能够理解、预测和模拟物理世界运行规律的 AI 系统。与单纯的视频生成不同，世界模型强调：
- 物理规律理解：模拟重力、碰撞、流体等物理现象
- 因果关系推理：理解动作与结果的因果链
- 可交互性：生成的环境可以实时响应用户/AI 的操作
- 时间一致性：长时间保持环境的连贯性
世界模型 vs 视频生成
| 维度 | 视频生成 | 世界模型 |
|---|---|---|
| 输出形式 | 被动视频片段 | 可交互的环境 |
| 用户控制 | 生成后不可改变 | 实时响应输入 |
| 物理要求 | 视觉逼真即可 | 需符合物理规律 |
| 时间尺度 | 几秒到几十秒 | 理论上无限持续 |
| 主要应用 | 内容创作 | AI 训练、机器人、游戏 |
| 代表产品 | Sora, Runway, Pika | Genie 3, SIMA |
两大技术路线
生成式模拟器 (Generative Simulators)
创建视觉场景，侧重于生成逼真的视频/环境。
- OpenAI Sora（被称为”世界模拟器”，但实际是视频生成）
- Google Veo
- Runway
预测式模型 (Predictive Models)
侧重于准确预测动作结果，用于规划和决策。
- Google DeepMind Genie 系列
- Wayve GAIA
- Meta V-JEPA
应用场景
- AI Agent 训练：在模拟环境中训练 AI，降低真实世界试错成本
- 机器人学习：让机器人在虚拟世界学习后迁移到真实世界
- 自动驾驶：模拟各种驾驶场景进行训练
- 游戏开发：自动生成游戏关卡和环境
- 科学研究：模拟物理/化学/生物过程
当前挑战
- 物理准确性：仍会出现违反物理规律的情况
- 长期一致性：难以保持长时间的环境连贯性
- 计算成本：实时渲染需要大量算力
- 泛化能力：对未见过的场景适应性有限