飞象原创（魏德龄/文）生活在数据中心里的人工智能（885728），在很多人心目中似乎已经变成了无所不知的存在，可一旦给他们装上躯体，哪怕是汽车的轮子，却难以做到无所不能，甚至路都走不稳。有趣的是，即便是刚出生的婴儿，他们喜欢进行的第一个尝试，便是不断把玩具、餐具等任何物品，从高处扔向地面，从中了解到这个万有引力的物理世界，但这却是大语言模型仅仅可以讲述，却并不真正懂得的简单物理常识。
图灵奖得主杨立昆就在近期接受外媒访谈时举了这样一个例子，当询问洗车店在100米外是否该走路去时，LLM可能建议步行（因为它只看距离），却忽略了“车必须开进店”这一物理前提。
能够解决这一人工智能（885728）尴尬表现的关键，其实并非进一步对大语言模型进行训练，而是正在被越来越多人所提及，能够预测行动后果，在抽象空间中进行规划的世界模型。
具备物理常识的世界模型
试想一下现代人类在出门时会自然而然地思索什么？今天下不下雨，用不用带把伞。如果路面有雪，一定要穿双防滑的鞋子。出门时还要多加小心，如果滑倒摔跤了会很疼。这正是我们大脑中的种种物理常识正在进行工作的结果。
世界模型已被业界看作是人工智能（885728）能否进一步实现场景落地的关键技术门槛之一。它是一种能够理解物理规律、具备时空认知能力的AI模型。
与仅在数字世界处理文本或符号的传统AI（如大语言模型）不同，世界模型能理解重力、生物学、空间几何等物理规律。例如，它知道下雨路会滑，或者自行车失去重心会跌倒。基于此，世界模型可以首先理解当前环境，接着预测下一步可能发生的状况（如开冰箱后下一步是拿瓶子），最后基于预测进行行动规划。
也就是说，世界模型具备一种更接近于人类的抽象空间预测能力，它不要求生成每一个像素的细节，而是在抽象的语义表征空间中预测未来的状态，这使得它能像人类一样忽略无关的纹理和光照，专注于与决策相关的关键信息。
世界模型有望成为老司机
回到当下的实际应用案例，对于辅助驾驶而言，如今尽管汽车可以实现一定程度的自我控制，遇到危险情况知道刹车或躲避，但只要试乘过的人，都能发现它们的表现没有所谓老司机级别的驾驶，乘坐起来舒适。而世界模型的思考分析能力，似乎可以实现更具人性化的线性刹车或松油滑行的操作。
世界模型的出现，针对性地解决了当前以大语言模型（LLM）和视觉－语言－动作模型（VLA）为代表的AI在实际应用中的核心缺陷。现有的VLA模型在实际部署时非常脆弱，光线或视角的微小变化就可能导致成功率大幅下滑，世界模型通过内部模拟机制，在行动前预测后果，从而提高行动的稳健性。
未来完全自动驾驶和具身机器人的核心底座正是世界模型。例如在驾驶场景中，当下雨的时候路会滑，当处于有重力加速度的斜坡时会发生什么情况，当车子如果是前面车靠近的时候它的速度跟偏幅多快可能会撞上，这种物理理解就好像是已经有了一个基础的方程式；或是在具身智能场景中，世界模型可以让机器人能进入工厂“打螺丝”或处理复杂的仓储物流任务，真正与物理世界互动。
世界模型到专家型智能体
Gartner预测，世界模型将推动AI智能体（886099）从简单的任务自动化向高度自主的“专家型智能体”转变。
“专家型智能体”拥有更高的自主性，无需人工监督即可自动完成工作，其复杂性相对较高，具备接近人的理解能力、高度适应性和推理能力，它不仅可以与第一方，也可以与外部第三方智能体协作。
“专家型智能体”通过具备对物理世界的抽象理解能力，可以更好地投入到现实工作中。例如，在国外某地的风力发电机维护中，通过引入Archetype AI的Newton模型，世界模型可以在没有历史故障样本的情况下，仅凭对物理环境的感知就预知异常。
与身体和头脑一起长大的人类不同，人工智能（885728）先拥有了一个超大容量，但又消耗巨大的大脑，可它所接触的真实世界，还仅仅来自隔着一层纱的网络数据，正在打开的物理世界大门，将会对思想带来进一步升级。
