📋 总结 本次华创证券举办的“世界模型与物理AI”产业趋势电话会议，由无界AI联合创始人马天先生主讲，核心观点是： 世界模型是继大语言模型之后AI发展的新焦点，其定义宽泛、技术路径多样，旨在让AI在虚拟世界中“预演”行动后果，以更好地指导现实世界的机器人、自动驾驶等任务。当前产业正从数据、技术、应用等
- 兴起背景：世界模型近期备受关注，主要因为大语言模型发展遇到瓶颈：一是性能跃迁速度放缓，二是高质量人类文本数据已基本耗尽。而视频等多媒体数据尚存巨大开发空间，为世界模型提供了新的“燃料”。
- 核心定义：业界普遍认同的定义源自黄仁勋的阐释：智能体应在内部世界（脑海）中模拟动作的后果，预想多种可能后再在现实中执行，以提高效率和成功率。
- 技术路径多样化：
- 表达内容：可分为高维空间模型（注重生成逼真、细节丰富的世界，如阿里“蚂蚁零式”）和隐空间模型（注重抽象物理规律与逻辑推理，摒弃无关细节，如杨立昆的研究）。
- 数据来源：训练数据维度多样，包括2D图片、2.5D视频、3D点云/高斯、4D（3D+时间）数据等。数据预处理程度也不同，从原始数据到经过严格标注、结构化处理（如添加特定天气效果）的数据均有使用。
- 代表玩家：海外有英伟达（Cosmos平台，结合Omniverse物理仿真形成闭环）、Google DeepMind、李飞飞团队等；国内有阿里、极佳世界（清华系，融资活跃，估值已破百亿人民币）等。
- 核心应用场景：
- 具身智能与机器人：世界模型可为VLA（视觉-语言-行动）模型提供高质量、多样化的训练数据源，是机器人实现通用能力的关键。
- 自动驾驶：用于生成闭环仿真环境，模拟各种罕见、危险的驾驶场景，大幅提升训练效率和安全性。
- 3D内容生成：服务于游戏、影视、VR/AR等内容产业，实现动态、可交互的虚拟世界生成。
- 与大语言模型的关系：大语言模型通过接入Agent（智能体）调用专业工具（如物理仿真软件、科学计算工具），也能在一定程度上逼近世界模型的效果，实现可编码、可修改的严谨内容生成（如科研模拟），这是一种不同的实践路径。
- 产业现状与挑战：
- 数据瓶颈：高质量、经过专业处理（标注或融入物理规律）的多模态数据仍然稀缺，是训练更强大世界模型的主要障碍。
- 算力需求：世界模型的训练和推理算力需求远高于纯文本模型，将持续推动算力需求增长。
- 中外对比：在模型能力上，中外差距正在快速缩小，尤其在接入Agent后，体验差距进一步收窄。硬件（算力卡）层面，国产算力在实际使用中占比仍低（约5%），但可用性和服务正在快速改善。
- 从表达内容看：
- 高维空间模型：如阿里的“蚂蚁零式”，注重生成细节丰富、写实逼真的动态世界（如鸭子走动时水波的物理效果）。
- 隐空间模型：如杨立昆教授的研究，不关注表面细节（如颜色），而专注抽象的空间结构、物理规律（如刚体碰撞）和逻辑推理，类似于“地图”之于“现实世界”，或“乐谱”之于“音乐”。
- 从数据来源看：训练数据可以是2D图片、2.5D视频（2D+时间）、3D数据（如点云、高斯）、4D数据（3D+时间）。数据预处理程度也不同，自动驾驶等领域常用经过严格标注和结构化处理（如人工添加雨雾、噪声）的数据。
- 代表玩家与融资：海外有英伟达（其Cosmos平台致力于构建闭环反馈的世界模型）、Google DeepMind、李飞飞团队等。国内头部玩家包括阿里和极佳世界。极佳世界（清华系）发展迅速，一个多月融资25亿人民币，估值已破百亿，在World Arena榜单上排名全球第二。
- 通往AGI/ASI的路径：许多学者认为，从物理世界中学习是实现通用人工智能（AGI）甚至超越人类智能（ASI）的重要途径。
- 内容产业：用于生成游戏、电影、VR/AR中的实时、动态虚拟世界。
- 自动驾驶与机器人：这是目前最核心的应用方向。
- 自动驾驶：世界模型可以生成闭环的仿真环境，模拟各种极端、罕见路况，为自动驾驶系统提供海量、安全的训练数据，弥补真实路采数据（主要是前向视角）的不足。
- 机器人/具身智能：世界模型作为上游，可以为VLA（视觉-语言-行动）模型提供优质的训练数据源，教会机器人理解和操控物理世界。