近期，AI 融资领域高频出现“世界模型”（World Models）一词。资本涌入速度印证了这一趋势：李飞飞的 World Labs 一年内估值从 10 亿飙升至 50 亿美元；杨立昆（Yann LeCun）的 AMI Labs 种子轮融资超 10 亿美元；国内单季度相关融资数十起，有初创公司 30 天内连获两轮共 2.5 亿人民币。
为何在 ChatGPT 诞生数年后，科技界与资本界急迫寻找新叙事？核心原因在于大语言模型（LLM）遭遇了“智力天花板”，而“世界模型”被视为打破瓶颈、通往通用人工智能（AGI）的关键破局点。
一、大语言模型（LLM）的困境
过去几年，以 GPT 为代表的大语言模型展现了惊人的文本能力，能写诗、编程甚至通过司法考试，让人误以为 AGI 近在咫尺。然而，当大模型尝试落地于工业、自动驾驶及机器人等实体领域时，其致命短板暴露无遗：大模型虽聪明，却不懂物理规律，本质上是个“文盲”。
究其底层逻辑，LLM 基于“下一个词预测”（Next-token prediction）。它是一个庞大的统计学概率机器，回答“苹果掉在地上会怎样”并非因为理解重力，而是因为在训练数据中，“苹果”、“掉落”与“碎裂”等词汇常共同出现。它是在模仿人类说话，而非理解世界运转。
这种基于文本概率的架构，导致 LLM 面临三大无法逾越的困境：
1. 无法根除的“幻觉”与逻辑缺失
由于 LLM 仅进行文字接龙，缺乏内在逻辑校验机制。面对复杂或训练语料中未出现的物理问题，它往往会一本正经地胡说八道。
2. 缺乏物理世界的常识
人类智能很大程度上源于对物理世界的感知。孩童无需阅读万卷书，仅需一次摔倒便知重力，玩一次积木便懂平衡原理。而 LLM 如同“缸中之脑”，虽读过所有游泳书籍，若将其投入水中便会“淹死”。因为它没有实体经验，缺乏对时间、空间及因果关系的真实感知。
3. 具身智能与复杂操作的“死胡同”
当 AI 从数字世界走向物理世界（如人形机器人、自动驾驶），LLM 的短板尤为明显。现实环境动态且充满突发状况，自动驾驶无法靠“预测下一个词”避开突然冲出的行人，机械臂也无法靠“文本概率”抓取不规则物体。
语言只是人类智能的冰山一角，是高度抽象的压缩。试图仅通过解析语言逆向还原整个物理世界，注定触及天花板。
二、什么是“世界模型”？
当大模型的“文字接龙”走到极限，AI 行业急需范式转移。图灵奖得主、Meta 首席 AI 科学家杨立昆坚持十年的理念迎来爆发：机器必须像人类一样，建立关于现实世界的“内部心理模型”，即“世界模型”。
通俗而言，世界模型是 AI 在大脑中构建的“虚拟物理引擎”或“梦境模拟器”。2018 年，David Ha 和 Jürgen Schmidhuber 在《World Models》论文中提出震撼实验：让 AI 先观察游戏画面，在神经网络中“脑补”出同款游戏（构建世界模型），并在该虚拟环境中疯狂练习，最终在真实游戏中展现出惊人驾驶水平。
若说 LLM 在问“根据前文，下一个词是什么？”，那么世界模型则在问：“根据当前状态，若执行某动作，下一秒世界会变成什么样？”
真正的世界模型需具备以下核心能力：
- 理解因果关系：知晓“因推杯子导致摔碎”，而非仅仅识别文本关联。
- 掌握物理规律：理解重力、惯性、碰撞及流体动力学等三维空间法则。
- 时空预测能力：能根据视觉或多模态输入，准确推演未来数秒至数分钟的物理状态变化。
三、为何“世界模型”被全行业热捧？
2026 年，“世界模型”成为资本与巨头抢占的高地，不仅因概念新颖，更因其精准击中 AI 产业三大痛点，描绘了万亿级市场蓝图。
1. 通往 AGI 的必经之路
业界共识认为，仅靠堆算力和数据无法造就真正的 AGI，人类产生的数据已近枯竭（数据墙问题）。要让 AI 更聪明，必须像婴儿一样通过观察物理世界（视频、传感器数据）学习无监督常识。世界模型补齐了 AI 认知版图中缺失的“物理常识”，唯有既懂语言又懂物理，通用人工智能才会降临。
2. “具身智能”的大脑
无论是马斯克的 FSD 端到端大模型，还是波士顿动力等人形机器人公司，其核心价值在于世界模型赋予了具身智能“灵魂”。传统机器人依赖代码规则，遇未定义情况即宕机；而拥有世界模型的机器人可在脑海中“预演”动作，具备“想象力”和“预判能力”。这是自动驾驶与通用机器人进入复杂场景的唯一技术解。
3. 视频生成与空间计算的降维打击
从 Sora 爆火到各类 AI 视频模型涌现，本质是世界模型的初步显现。能生成符合物理规律长视频的 AI，必然理解了运镜透视、水面波动等世界法则。一旦成熟，世界模型将颠覆电影制作、3D 游戏引擎、工业数字孪生及元宇宙等领域，以低成本“创造遵循物理定律的平行宇宙”，而非单纯“画图”。
四、结语：从“说”到“做”的历史性跨越
回顾 AI 历程，大语言模型让机器学会了“说”，掌握了交流工具，但仅能停留在屏幕内担任助手。“世界模型”承载了人类对 AI 的终极期望：让 AI 学会“做”。
从理解文本概率到理解物理因果，从二维代码跨入三维现实，世界模型正试图打破数字生命与物理现实间的隔阂。这是一条比训练 LLM 更艰难、更烧钱但也更波澜壮阔的道路。方向已然清晰：谁能率先让 AI 在脑海中完美模拟这个世界，谁就能在现实中真正改变这个世界。