本文来自微信公众号： 知危 ，编辑：大饼，作者：知危编辑部
前几天，知危让某国产文生图模型成一张“水杯倒了”的图片。拿到的结果“AI感”十足：一个表面凹凸不平的矮脚杯以一个“诡异”的姿态悬浮于桌面，杯子仅杯底与桌面接触，杯身却有点“似接触非接触”。杯中的水也以一种明显不符合杯中液位高度的状态汇成一注流出。
而这就是生成式AI的局限——它并不理解真实的物理因果，只是靠庞大的数据训练依据“概率”生成可能正确的结果，“假装懂物理”。
就像图灵奖得主杨立昆（Yann LeCun）在此前采访中提到的，“目前人工智能系统在很多方面还非常‘笨’，它们并不理解物理世界、也没有长期记忆，无法真正地进行推理或规划，而这些才是智能行为的关键特征。”
而如果希望AI能够真正识别、理解并作用于真实的物理世界，自主完成感知、交互、决策和执行，真正从互联网这个“虚拟世界”走向真实“物理世界”，从生成式AI走向物理AI，关键会是什么？
在杨立昆等科学家看来，首先可以排除的是纯文本训练。
杨立昆以婴儿认识物理世界过程为例，提到婴儿从刚刚出生到九个月的时候，并不具备重力、惯性等“物理直觉”。但是到九个月的时候，将一个放在平台上的小车推下去，小车如果悬浮在空中，九个月大的婴儿就会张大眼睛持续盯着看，表现出非常惊讶的样子。
这期间，婴儿并不是因为通读了《物理学入门》或者是被输入了大量文本作出的反应，而是通过感知和互动开始学习世界。进而，杨立昆提出真正的智能体需要一个“世界模型”，一个能让你通过观察与互动来学习，在‘脑里’里模拟事情、预测后果、想象未发生的事情的东西。
无独有偶。斯坦福大学知名教授、“AI教母”李飞飞也提到，真正的通用智能（AGI）无法仅靠语言模型实现，必须引入对物理世界的理解维度。“语言赋予了机器一种谈论世界的方式。世界模型，是机器最终得以理解、想象、推理并与世界互动的方式。”
不难看出，如果将“打造识别、理解、作用于现实世界的物理AI”比喻成“建盖一座摩天大楼”，那么摩天大楼的地基大概率就是“世界模型”。如同大语言模型是生成AI时代的基座，因为它压缩了人类文明的文本知识；那么世界模型是物理AI时代的基座模型，因为它压缩了物理世界的运行规律。
事实上，自2023年OpenAI Sora的发布引爆世界模型概念以来，该赛道发展就不断加速。从国内来看，据商业数据服务商IT桔子6月18日最新报告，中国共有33家世界模型创业公司，85%在2023年后成立，累计融资超260亿。海外巨头谷歌、英伟达、特斯拉等纷纷入局，World Labs、Meta JEPA等团队也正持续加码。
然而，理想虽丰满，现实却很骨感，做世界模型并不是一件容易坚持下去的事，比如引爆世界模型概念的Sora已经被OpenAI宣布全线停运了。
停运的理由也很简单：OpenAI暂时玩不转这件事儿。
他们没有足够的精力、没有足够多的场景，以及，他们没有足够的钱了。Anthropic带着Coding能力极强的Claude大杀四方，给包括OpenAI在内的所有AI公司都带来了巨大的压力：你必须去卷Coding，Coding就是一切，Coding就是未来。
所以或许，无论OpneAI也好、Anthropic也好、Meta也好，有没有那么一种可能：世界模型的突破不会在他们身上发生？
他们是生成式AI的簇拥者，他们的技术路线、盈利模式、商业规划，一直都是顺着生成式AI这条路来的，他们并没有世界模型的原生思想。
现在，行业总是讲AI-Native（AI原生）才会赢得未来，如果赞同这个逻辑，那么在世界模型这条路上，一定是“世界模型原生”也就是“从一开始就准备拿AI与物理世界做交互”的公司更容易赢得未来。
有好的技术架构，只是第一步，就像生成式AI一样，物理世界的AI也需要数据。
世界模型数据处理过程的简单示意|图源Nvidia