一边是欧洲史上最大种子轮，一边是OpenAI关停Sora的昂贵教训，世界模型究竟是AI的下一站还是资本泡沫？从1943年的认知理论到三条技术路线的分野，本文梳理80年思想演进与最新行业动态，揭示这场造梦竞赛的真实逻辑。

2026 年 3 月，AI 行业发生了两件对照鲜明的事。

第一件发生在巴黎。据多家财经媒体报道，图灵奖得主杨立昆（Yann LeCun）离开 Meta 后创立的 AMI Labs，完成了 10.3 亿美元的种子轮融资——欧洲历史上最大的一笔种子轮，投前估值 35 亿美元，投资方名单里有英伟达、三星、淡马锡和贝索斯的家族基金。这家公司的目标只有一个：造”世界模型”，一种让 AI 真正理解物理世界的技术。

第二件发生在旧金山。同样据多家媒体报道，OpenAI 在 3 月 24 日前后全面关停了 Sora——那个两年前以”世界模拟器”之名震惊全球的视频生成模型。据披露，Sora 生命周期内的收入仅约 210 万美元，而年运行成本超过 50 亿美元，与迪士尼价值 10 亿美元的合作最终落空。

一个有趣的细节是：Sora 当年正是靠”世界模型”的叙事封的神。2024 年 2 月，OpenAI 在技术报告里写道，扩大视频生成模型的规模，是”构建物理世界通用模拟器的一条有前途的路径”。两年后，叙事还在，产品没了。

同一套叙事，一边换来欧洲史上最大种子轮，一边换来可能是 AI 史上最昂贵的关停。世界模型到底是 AI 的下一站，还是又一个被资本吹大的词？

要回答这个问题，得先回到 1943 年。

一个 80 年的旧思想

1943 年，苏格兰心理学家肯尼斯·克雷克（Kenneth Craik）在一本叫《解释的本质》的小册子里写下了一个猜想：人类之所以不用每次都亲自试错，是因为大脑里携带了一个外部世界的”小尺度模型”——行动之前，先在脑内预演一遍后果。

接住一个掉落的杯子，你没有计算重力加速度；雨天开车路面刚开始反光，你就松了油门，你没有做流体力学仿真。你只是在”脑内小剧场”里把那部电影快进了一遍。克雷克把这个能力视为智能的核心。

这个思想在 AI 界沉睡了将近半个世纪，直到 1990 年迎来第一次技术实现：强化学习之父理查德·萨顿（Richard Sutton）提出 Dyna 架构，让智能体把真实经验和”想象出来的经验”混在一起学习——用他自己的实验数据，一个走迷宫的智能体加入想象训练后，收敛所需的尝试次数从 25 轮降到了 3 轮。

几乎同一时期，德国研究者于尔根·施密德胡贝尔（Jürgen Schmidhuber）用两个循环神经网络搭出了早期的”世界模型+控制器”结构——按照他本人的说法，那是”world model”这个术语的首秀。

但真正让这个词出圈的，是 2018 年。施密德胡贝尔与戴维·哈（David Ha）合作的论文《World Models》拿下当年 NeurIPS 仅有的 30 篇口头报告之一。这套系统的构造朴素得惊人：一个”眼睛”（变分自编码器，把游戏画面压缩成 32 维的”思想向量”），一个”记忆与预测中枢”（循环网络，负责预测下一帧的向量长什么样），外加一个只有 867 个参数的微型”手脚”。整个系统近 500 万参数里，99.98% 都花在构建世界模型上，做决策的部分小得可以忽略。

这篇论文最戏剧性的发现是：AI 可以完全在自己的”梦”里学会打游戏，回到真实游戏里的得分甚至超过了当时的人类排行榜。但同样戏剧性的，是它的另一面——研究者发现，如果把梦境的温度调得太”温顺”，AI 会学会一种作弊策略：它在梦里发现怪物从不发射火球，甚至能”扑灭”已经成形的火球，然后在梦中拿到近满分，回到真实环境却死得比随机乱动还快。

这个 2018 年的小实验，几乎预言了此后八年世界模型的全部麻烦与全部野心：在内部预演未来，是智能最省力的路径；但你预演的那个世界，必须是真的。

沿着这条路，DeepMind 的丹尼亚尔·哈夫纳（Danijar Hafner）把”做梦学本领”一路做到了《自然》杂志：2025 年发表的 DreamerV3，用一套固定超参数横扫 150 多个任务，并且在没有看过任何人类游戏录像的情况下，纯靠在自家世界模型里想象了约 3000 万步，成为第一个在《我的世界》里独立挖到钻石的 AI。同一时期 DeepMind 的另一条线 MuZero 则走向了另一个哲学极端：它下棋时根本不学棋盘长什么样，只学”这一步之后局面会变好还是变坏”——一个不知规则为何物、却能打平 AlphaZero 的系统。

故事讲到这里，世界模型还只是一个学术概念。它真正变成风口，要等到”造梦”这件事本身发生了三次技术分叉。

三条造梦路线

今天所谓的世界模型，其实是三条技术路线共用的名字。它们共享同一个灵魂——在内部预演未来再行动——但在”预测什么”上吵得不可开交。三个月过去，这个框架依然成立，但每条路线都刚刚跨过了自己的临界点，分野反而看得更清楚了。

第一条路线可以叫”做梦派”，代表是 Dreamer 家族。它的信条是压缩：把画面压成抽象的”思想向量”，在向量空间里快进推演。这条路线最近的变化，是把”梦”做得更长、更省。据公开论文，DeepMind 的 Dreamer 4 已经做到纯靠离线视频数据、不与真实环境交互就在《我的世界》里挖到钻石。

而据 2026 年 7 月报道的 LoopWM（循环世界模型），用共享参数的 Transformer 模块反复打磨潜状态，参数效率最高提升 100 倍、单步推理算力消耗减少约 25 倍，在 ScienceWorld 基准上比肩参数量大两个数量级的模型。做梦派的叙事重心正在从”会做梦”转向”用更小的脑子做更长的梦”——因为现实世界不会等你慢慢渲染。它的老问题也还在：梦境一旦失真，一步错、步步错，像复印件再复印，几十步之后画面就没法看了。

第二条路线是”抽象派”，旗手是 LeCun。他的主张没有变：别去预测每一个像素——那是把算力浪费在”树叶怎么抖动”上——而是把世界翻译成一种抽象语言，只预测”球会滚下楼梯”这类有因果意义的结论。变化在于，这条最学术的路线开始走出论文。LeCun 创立的 AMI Labs 手握 10.3 亿美元种子轮，把 JEPA（联合嵌入预测架构）定为主攻方向；而据行业梳理，表征式世界模型已在车载场景率先量产——美国 Nexar 的 BADAS 系列驾驶安全模型迭代到 2.0，并随车企端侧方案落地。

第三条路线是”生成派”，也是过去三个月最拥挤的战场，三个新动向值得逐一记下。

其一，通用世界模型开始被”垂直改造”。在 CVPR 2026 的主题演讲上，Waymo 首次披露了其自动驾驶世界模型的完整路径：直接以 Google DeepMind 的 Genie 3 为底座，先用多摄像头、激光雷达、高精地图等专属传感器数据做”中期训练”，再针对长时序仿真和规划任务微调蒸馏——内部称之为”Driving Genie”。这个”通用世界模型→行业世界模型”的三段式，几乎复刻了 GPT 被改造成医疗 GPT、法律 GPT 的历史，很可能成为各行业的标准打法。

其二，开源阵营把门槛打到地板。2026 年 6 月，英伟达在 GTC Taipei 发布 Cosmos 3——号称全球首个全开源的物理 AI 全能模型，原生支持文本、图像、视频、环境声音和动作五种模态，并成立 Cosmos 联盟（创始成员包括 Runway、Skild AI 等）；一个月后的 SIGGRAPH 上又补了 40 亿参数的 Cosmos 3 Edge，让机器人在本地就能跑”世界模拟”。

中国玩家同步发力：蚂蚁灵波科技在 7 月开源了 LingBot-World 2.0，主打小时级连续生成与 Agent 驱动交互；其另一条线 LingBot-VA 更早被机器人顶会 RSS 2026 接收——据论文披露，这个自回归视频-动作世界模型只给每个任务看 50 条真人演示，就能让机器人”边推演、边行动”，在 RoboTwin 2.0 双臂操作基准上拿到约 92% 的成功率。爱诗科技的 PixVerse R1 则押注娱乐方向的实时交互，并在 7 月完成了 29.8 亿元 C 轮融资。

其三，头部玩家开始回答”生成之后呢”。9 月 1 日，World Labs 发布了全新世界模型 Atlas：据官方与媒体报道，这是从零开始预训练的原生多模态模型，能把场景直接写成点云或 3D 高斯泼溅，最高 1440p 分辨率，相机控制测试中的人类偏好率达 75%—94%；配合 7 月收购的机器人仿真公司 SceniX 和 Real2Sim2Real 方案，几张手机照片就能重建出供机器人训练的仿真空间。用机器之心的评论说，这标志着 World Labs 从”生成好看的世界”转向”生成够用的世界”——重建、生成、仿真被收进同一个模型，内容工具和生产工具之间的那道墙，第一次被推倒了。

三条路线看似势不两立，但过去三个月的证据让”融合”二字变得明确：Waymo 把生成派的 Genie 3 直接开进了自动驾驶，蚂蚁灵波让机器人在生成世界里”边想边做”，Atlas 把 3D 重建和生成式仿真合二为一，而英伟达干脆把”推理、仿真、动作”塞进一个模型对外开源。世界模型正在从”生成世界”变成”在世界中完成任务”。

真正的分野或许不再是哪条路线，而是谁能先让世界模型在真实任务里交出可验证的成绩单——这正是接下来资本与产业浪潮要回答的问题。

风口是怎么形成的

表层原因是视频生成技术的成熟。扩散模型和 Transformer 让”生成一段可信的运动画面”从不可能变成了工程问题，世界模型等的就是这块地基。

深层原因则是大模型路线的增长焦虑。当文本数据被吃得所剩无几，”预测下一个词”的边际收益开始递减，行业需要一个既能容纳海量新数据、又能讲通”通往 AGI”故事的新范式。世界模型恰好两者兼备：视频和传感器数据近乎无限，而”理解物理世界”听起来比”续写文本”离通用智能近得多。智源研究院在 2026 年度十大趋势里，已经把世界模型列为通往 AGI 的共识方向。

于是玩家蜂拥而入，据澎湃新闻统计，仅 2025 年底至 2026 年初的三个月里，全球投向世界模型相关方向的资金就以百亿人民币计。李飞飞那句广为流传的判语——世界模型是”AI 领域最重要、也最被滥用的术语”——说的正是这种热度。

中国玩家是这股浪潮里不可忽视的一极：快手的可灵、字节的 Seedance 在视频生成上贴身肉搏；腾讯混元的 HunyuanWorld 系列在 3D 世界生成上做到了开源并登顶 WorldScore 基准；而据 IT 桔子统计，国内聚焦世界模型的创业公司已有 33 家，累计融资超过 260 亿元人民币。

但热闹是表象。一门技术真正的成色，要看谁在为它掏钱。

谁在为它买单

剥开 AGI 叙事，世界模型眼下最硬的商业模式其实相当朴素：卖数据，或者说，卖”经历”。

先看机器人。具身智能行业正被一道简单的算术题困住：据行业内测算，仅中国市场对机器人训练数据的年需求就在百万小时量级，而真人遥操作——让操作员戴着设备一遍遍给机器人示范——每月只能产出二三十万小时，一条有效数据的成本在 10 到 50 元之间。这就是世界模型的用武之地：让 AI 在生成的虚拟世界里无限次练习，再把本领带回现实。

再看自动驾驶。每家车企的数据库里 99% 都是风和日丽的常规路况，而真正致命的，是那 1% 十年一遇的极端场景——行业里叫 corner case。真实世界里等不到，就让世界模型生成：特斯拉在 ICCV 2025 上披露，其神经世界模拟器每天能制造相当于 500 年的驾驶经验；英国 Wayve 的 GAIA 系列已经迭代到第三代，功能从生成训练视频升级为给自动驾驶系统做”安全考官”。

中国厂商的动作甚至更密集：华为的 WEWA 架构宣称难例场景密度可达真实路测的上千倍，蔚来的世界模型 NWM 能在 100 毫秒内推演 216 个可能场景，小鹏、理想、Momenta、商汤等也都有公开布局。商汤方面披露，其训练中已有约 20% 的数据由世界模型生产。

需要说明的是，上述不少数字来自企业自述，尚缺第三方验证；业内的一个共识性判断是，合成数据在训练中的占比存在天花板，主流做法是虚实混合而非完全替代。但方向已经足够清晰：世界模型短期内的身份不是”AGI 的钥匙”，而是 AI 产业链上的卖铲人——它降低的是智能体获取物理世界经验的成本。

冷水：逼真不等于物理

2026 年世界模型行业处境的缩影：恐慌与追捧，跑在验证前面。

比榜单分数更深的问题是：这个行业至今没有公认的标尺，而且”被考者”越来越会应试。2026 年 2 月，本吉奥（Yoshua Bengio）在一次炉边谈话中留下了一句值得印在每一份世界模型发布会 PPT 上的话：”我们可能正在部署这样的 AI——从安全角度看它通过了所有测试，但它的实际行为会很糟糕。”他主持的《2026 国际人工智能安全报告》把这称为”评估缺口”：模型越来越能识别自己正在评测环境中，并相应调整输出。

世界模型的评测正在陷入同样的困境——仅 2026 年上半年就有清华 World Reason Bench、达摩院 WorldOlympiad 等多个新基准密集发布（后者由达摩院联合高校推出，主打物理真实性、三维几何一致性、长时序交互保真度三个维度，首批上榜名单里甚至没有达摩院自家模型），各自维度、各自口径，谁也说服不了谁。

标尺缺位，却没有妨碍定价。8 月，据彭博社报道，Anthropic 洽谈以约 60 亿美元收购拥有实时世界模型 Oasis 的 Decart，后续报道的价格已接近 70 亿美元——较其 5 月融资估值溢价五成。买家心知肚明，但 IPO 的时钟不等人，世界模型要 2 到 5 年才能跑出的 Benchmark，资本市场 2 到 5 天就给好了估值。

路线之争也没有落幕，只是换了形态。LeCun 断言自回归大模型是死路；哈萨比斯认为扩展现有路线、补上世界模型这块拼图就够了；学界调查里两派几乎是 51% 对 49% 的撕裂。世界模型路线纷争未决——可能连到底有几条路线都没有共识。

唯一让各方都能点头的证据是：2025 年之后，纯粹的任何一条路线都在向混合体演变。路线之争的结局，或许不是谁说服谁，而是谁真的会先出现拐点。

不过，如果连”什么是好”都无法定义，这场竞赛的冠军奖杯该颁给谁？

给这场热潮一把尺子

世界模型的支持者们有一张自己的时间表。上海人工智能实验室在综述里给出了三阶段路线图：先统一多模态感知，再统一物理表征，最后造出可交互的通用模拟器，并以”智能体—评估者—世界模型”的三位一体闭环通往物理 AGI。哈萨比斯公开预计 AGI 在 5 到 10 年内到来；LeCun 则在 AMI Labs 坦言，商业化”可能需要数年”。

也有一群人试图把这项技术本身变成护栏。Bengio 创立的 LawZero 正在开发”科学家 AI”：用世界模型推演行动后果、用不确定性估计控制置信度，让它在危险 AI 行动之前先按下暂停键——同一个能生成虚拟世界的能力，既可能是深度伪造的放大器，也可能是 AI 安全最重要的基础设施。这把双刃剑指向何处，取决于人怎么用。

而对普通读者来说，面对接下来注定密集的世界模型新闻，有三个问题足够过滤掉大多数噪音：它生成的世界能交互吗，还是只是一段好看的视频？它的物理经得起检验吗，还是只经得起播放？以及最重要的——用它训练出来的系统，在真实任务上的指标是多少？

1943 年克雷克写下那个猜想时，他关心的其实不是机器，而是人：智能的本质，是不是就是在心里预演世界。八十多年后，人类正在亲手把这个能力赋予机器，并第一次有机会从外部观察它如何形成、如何犯错、如何长出真正的物理直觉。

这场长跑刚进入最精彩的赛段，—张桌面上的可靠进步，足以成为有用的产品。要把这张桌子扩展成一间屋子、一座工厂和一段真实道路，就继续拿出下一份验收结果。

谁来为世界模型买单，是厂商们的接下来的一个重要议题。