AI观察｜世界模型成AI新赛道？
世界模型正从学术概念演变为产业新赛道，旨在让AI理解真实物理世界，突破自动驾驶、机器人等领域瓶颈。多家车企发布相关模型，学术界也在攻坚。但定义存争议，数据匮乏、技术未收敛，距通用基座模型仍有差距。
先说说我最近的感受：世界模型这个原本偏学术的概念，正迅速变成一种“技术热词”。
一群猪能在天上和飞机一起飞吗？现实世界当然不行，但视频生成模型可以。原因很简单——它的训练数据里塞满了科幻电影，目标从来就不是还原真实的物理规律。2026北京智源大会上，智源研究院院长王仲远用这个例子，一下子把“世界模型”这个话题推到了台前。
ChatGPT让AI学会了“遣词造句”，Sora则展示了“脑补画面”的惊人能力，但这背后依然是“知其然不知其所以然”。
不过，这种特性在产业界正越来越明显地被卡住脖子：自动驾驶不敢在复杂路口完全放手，机器人在陌生环境中频频“翻车”……这正是世界模型试图填补的空白——让AI真正去理解那个我们能感知到的物理世界。
学术界把世界模型看作是实现AGI（通用人工智能）的关键拼图，产业界则把它视为突破具身智能泛化瓶颈的核心技术。两种视角，指向同一个方向。
今年以来，这个方向从学术概念迅速演变为产业风口。1月，吉利发布WAM世界行为模型；3月，小鹏发布X-World；5月，小米汽车推出Xiaomi Auto World Model全新框架，地平线也拿出了HorizonDrive……几乎每一家智能驾驶头部企业，都在争相贴上“世界模型”的标签。
与此同时，面向更广泛物理世界的通用世界模型，正成为全球学术界攻坚的重点。斯坦福大学教授李飞飞团队的World Labs Marble模型，从3D重建入手，试图构建“空间智能”，核心是让AI理解和模拟三维世界；图灵奖得主杨立昆（Yann LeCun）提出的JEPA系列模型则另辟蹊径，主张在抽象的“表征空间”内进行预测；北京智源研究院也发布了悟界·Physis-v0.1，聚焦统一物理状态建模，力求从物理本质出发实现因果推理。
关于“世界模型”的定义，学术界至今仍有争议。王仲远坦言，“这些探索距离真正面向物理世界的基座模型都还有不小差距”。现在仍处于世界模型的早期阶段，依然需要大量的科研探索工作，“未来三到五年将是世界模型持续迭代期”。
瓶颈是显而易见的：真实物理数据匮乏、技术路线尚未收敛、评测体系不完善——每一个都是硬骨头。
中国工程院院士王坚则看得更宏观：“从人的角度理解智能是什么，到今天还远远是个未知数。”在他看来，中美科研界面对的是“同一片海”，真正的动力，始终来自工程实践与理论认知的相互推动、交错前进。
从“仿其形”到“悟其道”，AI认识真实世界的旅程，才刚刚起步。
认识AI Agent、Genie 4与机器人的区别：任务输入不等于完成结果，世界模拟不等于现实执行，装载机动作展示也不能替代完整工程验收。
CreateAI联合中科院自动化所推出NeoVerse4D世界模型，融合扩散模型与4D高斯溅射，基于百万段单目视频训练，30秒即可构建通用型4D世界。该模型实现“重建→生成→再重建”闭环，支持4D场景重建、自由漫游、视角生成、视频编辑及点云跟踪，适用影视、具身智能、自动驾驶等领域，并集成蒸馏LoRAs，可在消费级显卡上端到端推理。
逆矩阵科技完成超亿美元种子++轮融资，由经纬创投、蚂蚁集团等投资。资金将用于通用世界基座模型预训练及规模化训练。公司由北大青年学者陈博远、吉嘉铭创立，已发布全球首个通用世界基座模型悟界·Physis-v0.1。
物理AI依赖的世界模型面临概念定义混乱、真实物理数据稀缺及技术路线分歧等困境，导致模型构建困难。业界预计未来三到五年将持续迭代，从像素模拟走向因果推理仍是根本挑战。
世界模型是今年具身智能领域最热的方向，但各家对它的理解并不一致。最近一次媒体沟通会上，大晓机器人展示了开悟3.1世界模型，以及基于它落地的行业解决方案。整场听下来，能明显感觉到世界模型正在从技术概念变成能商用的产品。（ID：leitech）也参加了这场沟通会。按照大晓世界模型负责人王飞的说法，世界模
影身智能凭借原生4D基座世界模型，在制鞋产线实现规模化落地，跑通数据生成、模型训练、场景部署与反馈迭代的自进化闭环。该模型融合渲染、仿真、规划三大能力，以高维4D数据驱动物理理解与泛化，获得数亿元柔性智造订单，标志着世界模型跨入工业量产阶段。
一眸科技聚焦情感与认知AI，源自北大实验室，构建人类身心情智维度专属世界模型。其跨学科团队融合AI、心理学等领域，实现精细表情识别与无接触视觉心率检测等多模态感知突破，推动人工智能从感知迈向认知与情感。
世界模型这个概念，现在在AI圈火得不行，但也经常被拿来乱用。无论是视频生成还是机器人领域，似乎都在往“世界模型”这个筐里装东西。可问题是，它到底是什么？应该预测什么？怎么造？圈子里其实没什么共识。正好，上海AI Lab团队最近发了一篇综述，算是把这个概念好好梳理了一遍。他们对世界模型进行了科学定义，
灵光App升级世界模型功能，接入蚂蚁灵波LingBot-World2.0，用户上传一张图片即可在手机端生成可自由漫步且支持施法、射箭等交互操作的沉浸式3D世界。新版实现720P高清画质、30帧以上流畅运行，响应延迟低至百毫秒级。
灵光App升级世界模型2.0，接入LingBot-World2.0，手机上传图片即可生成可战斗互动的3D世界，支持攻击、射箭等操作并实时反馈。技术实现720P高清、30帧流畅运行、百毫秒级响应，Agent驱动场景持续演化，无需技术背景即可体验。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
