世界模型研究进展：让 AI 理解物理规律

如果说大语言模型学会了「语言的规律」，世界模型（World Model）要学的则是「物理的规律」——物体如何运动、力如何作用、因果如何传导。这是当前学术前沿最炙手可热的方向之一。

视频生成模型的爆发为世界模型提供了训练土壤：在海量视频上学习「下一帧会发生什么」，模型被迫内化重力、碰撞、光影等物理常识。研究者发现，生成质量越高的模型，在物理推理基准上的表现也越好。

具身智能则是世界模型的试金石。机器人要在真实世界行动，仅靠语言指令不够，还需要对环境状态的持续预测——抓起这个杯子会不会滑落？从这里走到门口会不会撞到桌子？

语言模型学语言规律，世界模型学物理规律。

最近的突破来自两个方向的合流：用视频世界模型为机器人生成「想象中的训练数据」，大幅降低真实环境交互的成本；反过来，机器人的真实交互数据又校准了世界模型的偏差。

争议依然存在：批评者认为像素级预测本质上是「高级模仿」，而非真正理解物理。但无论哪种路径胜出，世界模型都已经把 AI 研究的边界从符号世界推向了物理世界。