世界模型（World Model）

世界模型（World Model）是人工智能领域的一类模型，指让 AI 系统在内部构建一个对外部世界的「模拟器」，学习环境的运行规律，从而能够预测环境接下来会如何变化，并据此进行规划和决策。

概述

人类之所以能安全地开车、接住抛来的物体，是因为大脑里有一套对物理世界的直觉理解：我们不需要真的撞一次车，就能预判「再不刹车就会追尾」。世界模型的目标就是让 AI 拥有类似的能力——先在「脑内」推演行动的后果，再选择最优的行动，而不是只能在真实环境中反复试错。

这一思想在强化学习中由来已久，通常做法是让模型把高维的观测（如摄像头画面）压缩成简洁的内部表示，再学习一个预测模块来推演状态如何随动作演化。近年来，随着大模型和视频生成技术的发展，世界模型成为热门方向：不少研究者认为，仅靠预测下一个词的语言模型难以真正理解物理世界，而世界模型可能是通往通用人工智能（AGI）的重要路线，Meta 首席科学家杨立昆（Yann LeCun）是这一观点的代表人物之一。

主要特点

• 内部模拟：在模型内部「想象」环境的演化，无需与真实世界交互即可推演结果。
• 预测未来：给定当前状态和一个动作，预测下一时刻会发生什么，是其核心能力。
• 高效学习：智能体可以在「梦境」般的模拟中训练策略，大幅减少真实试错的成本和风险。
• 理解物理规律：优秀的世界模型需要掌握重力、碰撞、遮挡等常识，这也是当前的难点。

典型应用

世界模型已经在多个方向落地探索：自动驾驶公司用它模拟各种罕见路况来训练和测试系统；机器人领域用它让机械臂在虚拟推演中学会操作物体；视频生成模型（如 OpenAI 的 Sora、谷歌的 Genie 等）也常被讨论是否算「世界模拟器」；游戏 AI 则借助世界模型在想象中排练玩法。

常见问题

问：世界模型和大语言模型（LLM）有什么区别？答：大语言模型主要学习文本规律、预测下一个词；世界模型学习的是环境状态如何随时间和动作变化，更侧重对物理世界因果关系的理解，两者可以互补结合。

问：视频生成模型就是世界模型吗？答：有争议。视频生成模型能生成逼真画面，说明学到了部分世界规律，但常出现违背物理常识的错误，是否算真正的世界模型，学界尚无定论。

问：普通用户现在能用上世界模型吗？答：它目前更多是研究方向和底层技术，普通用户主要通过自动驾驶辅助、视频生成工具等产品间接体验其成果。