李飞飞定义世界模型三大功能：渲染器、仿真器、规划器

斯坦福大学教授、World Labs联合创始人兼CEO李飞飞，最近与团队发布了一篇关于“世界模型”的新文章《世界模型的功能分类》。这可不是一篇简单普及概念的东西——说实话，这几年“世界模型”这个词已经被各个赛道的玩家们玩出了花，几乎每个领域都有自己的理解，定义混乱到让人头疼。李飞飞团队的工作，正是在系统性地拆解这种混乱，把“世界模型”真正讲清楚。

从计算机视觉、机器人，到强化学习、生成式AI，各方都在研发世界模型，但各自所指的内涵却截然不同。这项研究的切入点非常务实——李飞飞从强化学习中经典的POMDP（部分可观测马尔可夫决策过程）框架出发，为世界模型搭建了一套清晰的功能分类体系，力图让各个领域在同一张地图上对话。

在梳理世界模型的不同能力时，李飞飞团队将其归纳为三大功能类别：渲染器、仿真器、规划器。

先说渲染器——它的核心是输出供人观看的像素画面。评判好坏的标准很简单，就是视觉上的还原度。只要画面的视觉效果让人信服，渲染器就算合格。

再看仿真器——这个模块输出的是贴合客观规律的环境状态。它的核心要求是恪守“结构真实性”，也就是说，模型输出的状态必须尊重现实世界的物理法则、逻辑约束。这部分要求可比高像素要难得多。

最后是规划器——它直接输出智能体的动作指令，依托观测信息与预设目标给出行动方案。规划器更偏向决策层面，不关心像素画质，只关心任务能否完成。

文章中重点论证了一个容易被忽视的观点：尽管仿真器的受关注度在三者中最低，但它偏偏具备最深远产业价值，同时也伴生着最棘手的技术难题。为什么？因为仿真器正是衔接渲染与规划的桥梁。机器人训练、自动驾驶测试、建筑可视化——这些领域都需要一个可靠的仿真器来模拟真实环境。但现实情况是，仿真赛道面临着多重困境，三维数据稀缺、仿真与现实的域差、生成式仿真存在的几何隐患、多物理场仿真带来的高算力成本——每一条都是硬骨头。

当然，李飞飞团队并没有就此停留在分类阶段。文章进一步指出，三类模型底层共用同一套世界知识，当前最令人兴奋的趋势是三者的边界正在不断消融。未来的方向其实已经清晰：从分裂走向统一。最终的目标，是一个能够灵活切换输出形式的大一统世界基础模型。在同一套模型架构中平衡渲染、仿真和规划这三重需求，正是当前世界模型领域最核心的攻关课题。