一、概念泡沫从一句world simulator开始

1、Sora的蝴蝶效应与标签通胀

OpenAI给Sora贴"world simulator"那天，"世界模型"从学术黑话变成资本标签。自动驾驶公司、机器人厂、视频生成组全改口，李飞飞直言这个词"最重要也最被滥用"。WAIC 2026上"世界模型"被叫烂，但90%展品卡在视频生成层，能生成猪和飞机齐飞却不守重力。一个术语被滥用到这种程度，说明行业急需一把标尺来划清边界。

2、三分法：渲染器、模拟器、规划器

李飞飞把世界模型拆成三类：渲染器只管"看起来像"，Sora、Runway、可灵归此类；模拟器输出几何、材质、碰撞网格，是数字孪生的底座；规划器在感知与行动之间搭桥，服务于机器人的决策系统。她特别强调模拟器最受低估却最关键——它连接了渲染与规划，是从"好看"走向"有用"的必经之路。按这把尺子量，当下热闹的像素派只完成了三分之一的工作。

二、智源王仲远的四类拆法与第五种可能

1、语言/像素/三维/视觉表征四条路

王仲远在2026全球数字经济大会上把路线拆成四类：语言中心（VLM/VLA，学词共现但不懂物理后果）、像素中心（视频生成，学像素分布）、三维中心（3D重建，有几何但无动力学）、视觉表征中心（JEPA，学压缩嵌入而非物理规律）。他直言这四类都不是真正的基座模型——它们各自解决了一部分问题，但没有一个能完整回答"接下来会发生什么"。

2、全模态潜空间是第五种答案

智源悟界Physis走的是隐空间建模路线，把文字、图像、视频压缩进同一语义空间进行原生训练，预测下一个物理状态而非下一帧像素。Emu3.5视频训练时长提升50余倍登上Nature，RoboBrain Orca融合Ego-Centric数据做具身大脑。这条路由国产机构先跑，巧妙地避开了"视频生成≠世界模型"的坑——不从像素入手，直接从物理状态入手。

三、2026年中外真实进度对照

1、Cosmos 3、Physis、World Labs、EvoPhys

英伟达5月推出Cosmos 3（6月台北GTC进一步阐释为全模态物理AI），混合Transformer架构能吃文本、图像、视频、环境音和动作，但预训练样本中OCR占42.9%、视频理解仅0.05%，整体偏向渲染加浅层仿真；智源Physis押注隐空间物理状态建模；李飞飞创办的World Labs估值50亿美元，首款产品Marble做的是3D重建，本质上归属于三维中心路线；北大EvoPhys精准押注"模拟器"这个无人区。海外烧钱多，中国在隐空间路线上有先发论文优势。

2、短期创意、中期智驾、长期物理AI底座

钛媒体总结的节奏已被业内广泛接受：短视频和广告领域用渲染器最快变现，因为只要画面好看就能卖钱；智能驾驶用模拟器加规划器拉开差距，因为安全要求必须理解物理规律；终局是世界模型充当物理AI的中间件，为所有具身智能提供统一的物理常识底座。杨立昆说三到五年内世界模型将取代LLM成为主流范式，但2026年的现实是：高质量具身数据极度稀缺（全行业仅约50万小时，对比GPT-5语料折合100亿小时差万倍）、评测标准缺失、技术路线远未收敛。

四、视频生成≠物理建模的硬边界

1、知道"在哪"不知道"会怎样"

视频模型的训练数据里包含大量科幻电影片段，目标是还原视觉样本的分布，而不是学习力学规律。王仲远点破了这个关键区别：它知道杯子在桌面的位置，但不知道推它一下会发生什么、静摩擦的阈值是多少。世界模型的核心不是预测下一帧像素长什么样，而是预测下一刻的物理状态——位置、速度、受力、摩擦系数。这两个问题的难度差了几个数量级。

2、因果杠杆代替统计共现

预测Token学的是"鸡叫之后太阳升起"式的虚假关联，预测物理状态错了一次就会穿模——就像游戏里角色掉出地图一样毫不留情。世界模型被迫去发现因果关系：抽掉底部积木上层必然坍塌、水流不会倒流、施加的力大于最大静摩擦力物体才会动。这种严酷的反馈机制是大语言模型从未有过的，它逼迫AI从统计关联走回因果推演，从"看起来对"变成"必须对"。

五、评测标准决定谁配叫世界模型

1、从"听起来像"到"状态误差多少"

正本清源的唯一办法是改变评测标准：不再问画面美不美、视频真不真，而是问"给定初始状态和一组动作，预测三秒后的状态RMSE是多少、接触力误差多少、碰撞判定对不对"。当物理指标（位置均方根误差、接触力误差、碰撞判定准确率）进入权威榜单的那一天，仅靠渲染器的玩家就混不下去了。评测是指挥棒，指挥棒指向哪里，行业的努力方向就跟到哪里。

2、小世界模型先落地

不必等通用世界模型完美后再谈应用。工厂装配线、仓储分拣、手术室这些封闭场景可以先做小世界模型，在有限的物理规则集合内积累先验知识，再逐步外溢到更开放的场景。腾讯Hy-Embodied-RxBrain就是这种思路的典型代表：先让机器人在车间里想清楚再动手，而不是先去造一个宇宙模拟器。概念筐终须回到技术坐标上来，行业才配真正谈论AGI。