AI 竞争开始从语言走向现实

过去两年，大模型几乎成为 AI 产业唯一的主线；过去一年，一级市场却开始出现另一种变化：一批成立时间并不长、商业化尚处早期的世界模型（World Model）公司，估值迅速攀升至数十亿美元。Wayve、World Labs、Physical Intelligence 等公司连续完成大额融资，资本关注点也开始从"谁能生成更好的内容"，逐步转向"谁能理解真实世界"。真正值得讨论的问题，不是世界模型是什么，而是为什么一级市场开始重新定价这一层能力。

归根结底，AI 竞争的底层逻辑正在发生变化。如果过去的大模型解决的是"语言理解"，那么未来机器人、自动驾驶、工业智能等 Physical AI，需要解决的则是"现实世界理解"。世界模型正处在两者之间，也因此成为产业关注的新焦点。

过去几年，大语言模型快速发展，本质上完成的是文本、图像、代码等数字信息的学习能力。这一能力推动了 ChatGPT、Claude、Gemini 等产品快速普及，也让 AI 开始进入办公、搜索、编程等数字世界。但现实世界远比语言复杂。

机器人需要理解空间关系，自动驾驶需要预测车辆和行人的运动轨迹，无人机需要判断复杂环境变化，工业机器人需要完成连续动作。这些问题都无法仅依赖语言模型解决。

换句话说，语言模型能够回答"发生了什么"，而世界模型需要预测"下一步会发生什么"，并进一步决定"应该如何行动"。这也是近年来 Google DeepMind、Meta、OpenAI 等机构持续布局世界模型的重要原因。

值得关注的一个细节是，目前资本重点投资的方向已经逐渐从视频生成模型转向具备环境预测和动作规划能力的世界模型。原因并不复杂，视频生成解决的是内容生产，而世界模型直接连接机器人、自动驾驶等真实产业，其商业价值更加明确。

世界模型不是终点，而是 AI 产业的新中间层

世界模型最容易被误解的地方，在于很多讨论仍然把它看成另一种基础模型。事实上，它更像 AI 产业链中的一层"中间基础设施"。整个产业可以简单拆分为四层：

第一层是基础模型。包括 OpenAI、Google DeepMind、Meta 等企业，主要负责训练通用基础模型，提供语言、视觉、多模态理解能力。

第二层是世界模型。这一层负责构建现实世界的运行规律，让 AI 能够理解空间、时间、物体之间的因果关系，并预测未来状态。

第三层是 Agent。Agent 建立在世界模型之上，根据环境变化自主规划任务，并持续调整决策。

第四层则是 Physical AI。机器人、自动驾驶、工业智能、无人机等终端，最终将世界模型能力转化为真实生产力。

这一产业结构意味着，世界模型并不是终端产品，而是连接基础模型与 Physical AI 的关键一层。如果没有世界模型，机器人仍然需要大量真人示教；自动驾驶仍然高度依赖真实道路测试；工业机器人仍然难以快速迁移不同生产场景。恰恰相反，世界模型的意义正在于，通过模拟现实世界，大幅降低真实训练成本。

不同技术路线，并没有形成统一答案

世界模型虽然开始受到资本追捧，但行业仍然处于技术路线探索阶段。目前主要形成四种代表方向：

第一类是 Meta 提出的 JEPA 路线，更强调在潜空间预测未来状态，希望让 AI 学习现实世界的因果关系，而不是简单生成像素。海外代表包括Meta、AMI Labs等企业。这一路线目前仍偏研究导向，但长期目标是成为具身智能的底层认知能力。

第二类是 Diffusion 路线，小鹏汽车已经发布X-World 世界模型，将世界模型作为第二代 VLA 架构的重要组成部分，希望提升复杂交通场景下的环境理解和决策能力。理想汽车推出MindVLA和世界模拟器，希望利用世界模型完成强化学习训练，在虚拟环境中不断优化驾驶策略。蔚来汽车则发布NWM（NIO World Model），把世界模型作为智能驾驶底层能力之一，持续强化端到端自动驾驶能力。

第三类是机器人世界模型路线

如果说智能驾驶是世界模型商业化最快的行业，那么机器人则代表着更长期的产业方向。海外方面，Physical Intelligence、Figure AI等公司正尝试利用世界模型训练机器人完成复杂操作任务，希望通过模拟环境降低真实训练成本。

国内机器人企业虽然较少公开提出"世界模型"概念，但布局方向已经开始靠近这一能力。

• 优必选

  持续推进人形机器人和具身智能研发，探索机器人自主学习能力；

• 越疆科技

  围绕工业机器人推动 AI 算法与机器人控制系统融合，希望提升复杂任务执行能力。

第四类则来源于视频生成模型，包括 OpenAI Sora、Google Veo、Runway 等产品。这类模型具备优秀的视频生成能力，但距离真正支持机器人决策仍存在较大差距。

这也意味着，世界模型仍然没有形成类似 Transformer 在 LLM 时代那样的统一技术范式。对于一级市场而言，这既意味着技术风险，也意味着创业窗口仍然存在。

上下游机会：真正值得关注的是世界模型产业链

世界模型产业链，同样可以拆分为四层：

上游是算力和数据。

GPU、高性能训练集群、多模态视频数据、机器人数据、自动驾驶数据，将持续成为模型训练的重要资源。其中，机器人数据和自动驾驶数据的重要性正在不断提升。相比互联网文本数据，真实动作数据获取成本更高，也更容易形成长期壁垒。

中游是模型能力。

基础模型负责通用智能，世界模型负责现实预测，Agent 负责自主决策，共同构成未来 AI 系统的核心能力。

下游是终端应用。

机器人、自动驾驶、工业智能、智慧物流、无人机等行业，将率先验证世界模型的商业价值。更长期来看，数字生、低空经济、智能制造等场景，也有望逐步成为世界模型的重要应用方向。

因此，世界模型的投资框架，并不是看谁的视频生成效果最好，而是看谁能够真正帮助机器人、自动驾驶等产业降低训练成本、提升泛化能力。

当前世界模型相关企业，大致可以划分为五类：

• 基础模型平台型，OpenAI、Google DeepMind 等依托大模型持续拓展多模态和世界建模能力，目标是构建通用人工智能底座。

• 自动驾驶闭环型，海外以Wayve为代表，国内则包括小鹏汽车、理想汽车、蔚来汽车等企业。

• 工业仿真支撑型，索辰科技、能科科技等上市公司围绕多物理场仿真、工业软件等方向布局，更接近世界模型训练所需的基础设施。

• 机器人基础设施型，国内以优必选等具身智能企业为代表。这一路线更关注机器人如何理解三维空间、学习复杂动作，并持续提升跨场景泛化能力。

• 算力基础设施型，寒武纪、海光信息、中科曙光等上市公司虽然并不直接研发世界模型，但有望持续受益于模型训练规模扩大带来的算力需求增长，更接近 AI 产业链中的"卖铲人"。

这个框架的价值在于，它把世界模型从一个统一概念拆分为五种不同的产业角色。不同企业解决的问题并不相同，未来商业模式也可能完全不同。

世界模型值得关注，但不能简单理解为"下一个大模型"。未来 1-3 年，真正值得持续观察的，有三个关键验证点：

• 世界模型能否持续提升机器人、自动驾驶等真实场景的训练效率，并完成 Sim2Real 验证。

• 不同技术路线是否会逐步收敛，形成行业主流架构，而不是长期处于多路线并行状态。

• 世界模型是否能够形成稳定的商业闭环，真正成为连接基础模型与 Physical AI 的重要基础设施，而不仅停留在实验室研究阶段。

如果这些条件逐步兑现，AI 产业的竞争重点将从"谁拥有更大的语言模型"，逐步转向"谁拥有更真实的世界模型"；如果 Sim2Real 长期无法突破，行业热度则可能继续领先于产业成熟度。

一个值得继续讨论的问题是：当世界模型逐渐成为机器人时代的底层能力，未来 AI 产业真正的护城河，会是模型参数、真实数据，还是覆盖更多场景的产业生态？