世界模型的潜力与局限：它真的能模拟一切吗？

过去几年，我们许多人在不知不觉中修完了一门关于人工智能的速成课——但说到底，那不过是一门大语言模型的速成课。不过，大语言模型已不再是唯一备受期待、获得巨额融资并吸引大量研究与产品开发投入的AI方向。

过去一年，一类被称为"世界模型"的技术涌现出大量新进展，未来几个月乃至几年内，这一领域还将持续演进。

世界模型的目标，是在语言之外（或之上）为AI系统奠定基础，使其具备模拟物理世界的能力，或至少能够生成对现实世界的有效近似。

为深入了解这一概念的独特价值与重要意义，Ars与三位从事世界模型及相关技术研究的专家进行了对话：麻省理工学院的Vincent Sitzmann、Runway的Anastasis Germanidis，以及World Labs的Ben Mildenhall。

从这些对话中可以看出，大语言模型作为产品，是先有了界面（对话框），然后再去寻找应用场景；而当前世界模型领域的主要玩家，走的恰恰是相反的路——他们先锚定机器人、科研和资产生成等具体应用场景，至于最终的界面形态、系统架构和工具生态将如何落地，目前尚无定论。

在架构设计和演进预期方面，大语言模型与世界模型之间存在诸多相似之处。但在一些研究者看来，世界模型有望成为突破大语言模型局限性的一条出路——尽管相关研究早在这一叙事出现之前便已展开。

"指望通过不断扩展大语言模型的能力来实现人类水平的智能，是无稽之谈。"前Meta首席AI科学家杨·乐村（Yann LeCun）今年早些时候在接受Wired采访时如是说。乐村的这一观点在AI和大语言模型领域引发不小争议，有人视之为逆流而动，但实际上，持相近立场的业内人士不在少数。

计算机视觉先驱、World Labs联合创始人李飞飞也表达了类似的看法。她在去年底发布的一篇Substack文章中写道：

"如今，以大语言模型为代表的前沿AI技术已开始改变我们获取和处理抽象知识的方式。然而，它们本质上仍是在黑暗中摸索的文字工匠——能言善道，却缺乏实际经验；博学多识，却与现实世界脱节。空间智能将彻底改变我们创造真实世界与虚拟世界、并与之互动的方式，为叙事创作、创意表达、机器人技术、科学探索等领域带来革命性变革。这是AI的下一个前沿。"

乐村和李飞飞的创业方向都建立在上述理念之上，因此他们持有这样的观点并不令人意外。但类似的声音，也出现在一些目前仍主要深耕大语言模型领域的知名人士当中。

"我认为大语言模型存在泡沫，而且这个泡沫可能明年就会破裂。"大语言模型托管平台Hugging Face的CEO Clem Delangue在一场会议上表示。

"但'大语言模型'只是AI应用版图中的一个子集，AI在生物学、化学、图像、音频、视频等领域的应用空间广阔，"他补充道，"我认为我们才刚刚起步，未来几年将涌现出更多可能。"

就在过去几个月里，世界模型已从一个纯粹的研究课题，逐步演变为商业项目落地和巨额融资的新引擎。以下是几个具有代表性的案例：

今年8月，谷歌DeepMind发布了Genie 3，这是一款在视频生成模型基础上构建实时交互能力的模型。

11月，World Labs推出了Marble，这是一套支持生成沉浸式环境的模型与工具集，用户可以通过输入文字、图像、视频或其他素材来生成可导出的3D资产。

仅一个月后，视频生成与AI影视创作公司Runway宣布入局，发布了GWM-1——一套由三个专用世界模型组成的系统，构建在Runway此前视频模型研究成果的基础之上。

更近的消息是，杨·乐村创立了Advanced Machine Intelligence（AMI）公司，以全力押注的姿态宣示：AI系统的真正未来，在于能够与物理世界交互（或对其进行模拟）的模型，而非局限于语言。

Q&A

Q1：世界模型和大语言模型有什么本质区别？

A：大语言模型的核心是处理语言文本，通过对海量文本数据的学习来理解和生成语言。而世界模型的目标更进一步，旨在模拟物理世界的运作方式，能够理解空间关系、物理规律等超越语言范畴的信息。大语言模型被批评为"在黑暗中摸索的文字工匠"，缺乏对现实世界的真实理解；世界模型则试图弥补这一缺陷，在机器人控制、3D资产生成、科学研究等需要理解物理规律的场景中发挥更大作用。

Q2：目前有哪些公司在做世界模型，进展如何？

A：目前主要玩家包括：谷歌DeepMind发布了能够实现实时交互的Genie 3；李飞飞联合创办的World Labs推出了可生成沉浸式3D环境的Marble工具集；AI影视公司Runway发布了由三个专用模型组成的GWM-1系统；杨·乐村则创立了Advanced Machine Intelligence公司，专注于能与物理世界交互的AI模型研究。这一领域正从纯研究阶段快速走向商业化落地。

Q3：世界模型目前主要应用在哪些场景？

A：根据目前的研究和产品方向，世界模型的主要应用场景集中在三个方向：一是机器人领域，帮助机器人更好地理解和操作物理环境；二是科学研究，利用物理世界模拟能力加速科学发现；三是3D内容与资产生成，用于游戏、影视等创意行业的沉浸式环境制作。与大语言模型"先有界面再找场景"的路径不同，世界模型目前是从具体应用需求出发进行研发的。