数智新工具|给元宇宙装上“大脑”:世界模型开启物理AI新赛道

齐鲁晚报·齐鲁壹点客户端 魏银科  孙佳琪   2026-11-18 17:52:22原创

人工智能(AI)的下一个引爆点在哪里?山东外事职业大学元宇宙学院院长于卓给出的答案是——世界模型。在他看来,世界模型试图让AI掌握物理定律与因果逻辑,从而让AI从语言交互走向“对物理世界的真正理解”。

这一判断正与全球产业动向共振:谷歌、英伟达、OpenAI、Meta(V-JEPA路线)以及腾讯、阿里、字节等纷纷入局,AI教母李飞飞创立的World Labs也已被AMD收购。一场关于“让机器理解世界”的竞速,已然拉开帷幕。

是“预测下一个词”,还是“预测下一个状态”

近年来,世界模型成为AI领域关注的焦点。什么是世界模型?与其他大模型有什么不同?

于卓举了一个气象学方面的例子。2023年,DeepMind的GraphCast(一款基于机器学习和图神经网络的AI中期全球天气预报模型)在《科学》上宣布:不到一分钟做出的10天全球预报,在1380项指标中约九成超过欧洲中期天气预报中心的物理模型,而后者要在超算上算几小时。问题是:这些AI真的“懂”大气吗?

主流AI的本质是“预测下一个词”:给它一段话,它输出下一个词的概率,接上再预测;为猜准,它被迫把人类知识压进参数。世界模型则是“预测下一个状态”:给它世界此刻的样子——气压、温度、物体的位置和速度——它推演下一刻。前者预测符号,后者预测现实。

把大模型想成一位博览群书的预报员:他背过所有气象教材,能写漂亮的预报稿,但问他,“为什么低压带来降雨?”答案只是从文本拼出的套路,他脑中没有真实大气在流转。这正是Transformer的结构性特点:工作对象是词元,靠自注意力计算词与词的统计关系;没有独立的世界状态,没有“事物如何随时间演变”的动态模型,也没有行动前先试算的规划模块。它优化“像真的”而非“是真的”,所以会产生幻觉。图灵奖得主杨立昆说:把语言模型做大,只会让它更像会说话的人,不会更像理解世界的人。

世界模型则预测“世界的下一个状态”,整体由三部分构成:感知模块把图像、视频、传感器压缩成对当前世界的描述;动态模型输入“当前状态+动作”,输出“下一状态”,因果与物理规律藏在其中;规划模块先在脑中跑几千步再行动。这是“理解”与“背诵”的分水岭。DeepMind的Genie3 不播放固定视频,而在回答“我往前走一步,世界会变成什么样”。

气象AI恰好给出“既是又不是”的样本。说“是”:盘古用3D地球专用Transformer,微软Aurora是13亿参数的3D Swin Transformer。说“不是”:喂给它们的词元不是文字,而是每个网格点的温度、气压、湿度、风速——当盘古“预测下一个词”时,其实在预测下一刻大气的物理状态,已踩进世界模型的领地。

于卓特别提到,世界模型不是与Transformer对立的新架构,Transformer是积木,世界模型是盖法;有的用Transformer,有的用 JEPA。标准不在“用了什么砖”,而在“有没有一个可推演、可规划的世界状态”。

“元宇宙+AI=世界模型。”这是于卓提出的简化公式,如果再细一点,就是“元宇宙+Transformer+物理公式、物理定律、数学公式底层的运行逻辑=世界模型”。他解释,元宇宙概念自上世纪90年代提出,2020年前后掀起资本热潮,彼时它是一个“手搓”的虚拟世界,没有什么AI、没有物理公式,大家描绘的更像一个游戏世界,人们在里面寄托一个乌托邦。而当Transformer架构与物理、数学规律被注入其中,虚拟世界开始有了“大脑”,“所以,世界模型就是一个有大脑的元宇宙”。

通往物理AI的必经之路

于卓的判断,正与全球产业动向同频。近年来,世界模型从论文里的概念,迅速变成巨头用真金白银下注的赛道。

2026年9月28日,AMD在官网宣布以全股票方式收购李飞飞创立的世界模型公司World Labs,交易价值约82亿美元。这是AMD史上第二大收购,仅次于2022年约500亿美元的赛灵思;交易完成后,李飞飞将出任AMD执行副总裁兼首席科学家。一家以GPU起家的芯片公司,愿意为“理解世界”的软件能力付出这样的价钱,本身就是一个信号。

在2026年CES展会上,黄仁勋宣告物理AI的“ChatGPT时刻”已经到来,展示了由Cosmos物理基础模型、Omniverse物理仿真平台和Isaac机器人训练框架组成的完整生态。2026年6月,英伟达推出开源全模态世界模型Cosmos 3,据英伟达宣称可大幅缩短物理AI训练周期,大幅提升机器人对物理规律的理解能力;谷歌DeepMind的Genie系列则将“可交互世界模拟”的能力推到了新高度:2026年10月27日发布的Genie 4首次实现原生音视频同步生成,单次稳定模拟时长约2分钟,支持自然语言实时修改场景元素。

2026年以来,国内世界模型赛道迎来集中爆发:4月16日,腾讯开源混元3D世界模型2.0(HY-World 2.0),阿里推出主打实时交互的HappyOyster;4月17日,专注空间智能的群核科技登陆港交所,被称为“全球空间智能第一股”……

资本为何在这个节点疯狂押注世界模型?因为通往物理AI的必经之路,正指向这项技术。

从下游应用看,具身智能与机器人产业正站上爆发拐点。高盛在2026年9月将2035年全球人形机器人销量预测上调至约648万台、市场规模约1380亿美元,分别是此前预测的约4.7倍和3.6倍;国务院发展研究中心相关报告(《中国发展报告2025》及产业部课题报告)则测算,中国具身智能产业市场规模有望在2030年达到4000亿元、2035年突破万亿元……而机器人要走出实验室,缺的正是那个懂物理的大脑。

这一核心刚需,直接撑起了世界模型的市场想象空间。据行业机构统计,2026年全球世界模型市场规模约127.4亿美元,较2024年的72.8亿美元增长75%;摩根士丹利更预测,到2035年世界模型所赋能的全部产业规模将高达10万亿美元。

国内先行者的落地实践

在这场全球竞速中,于卓带领的研究团队属于国内布局较早的一批。2025年,团队孵化的企业已完成种子轮融资。公司聚焦空间计算引擎、实时云串流、智能物理仿真与AI世界模型四大核心技术,据公司方面介绍,成立四个月业务收入已经超过1200万元。

在于卓看来,团队做世界模型有其底气,而这底气来自AI底层研发经验,工业仿真的长期积累与大型游戏开发的经验。据公开报道,“团队完成两款大模型开发并通过国家网信办备案,拥有顶尖的电磁力、流体力学及多刚体运动仿真技术,曾成功为国外大型电站开发轴承划痕仿真模型,帮助其避免了巨额停机损失。”与此同时,团队还掌握了AI+PCG(程序化内容生成)技术,可以通过拖拽和文本指令在极短时间内实时生成3D城市、动画及可编辑模型。这正是世界模型从实验室走向产线的现实接口。

今年9月,于卓出席第十届数字孪生与智能制造服务学术会议并作了题为“基于UE引擎与世界模型的AI工业数字孪生”的主题报告。报告系统性提出“UE引擎+世界模型+AI大脑”三位一体融合架构,详细解读了世界模型主动推演、AI大模型协议自适应解析、UE5渲染与物理仿真双引擎解耦三大核心技术创新,并结合多个产业标杆项目展示了技术方案的落地成效。

行业重构与未来挑战

于卓观察到,AI对各行业的重塑正在加快,“某些行业的退潮来得会比想象中更快,呈现摧枯拉朽之势”。他以软件外包为例,“原来10个人干的活,现在一个人有点代码功底、配合AI就能轻松完成”,影视、策划、会议、动漫等白领聚集的行业也在经历深刻调整。

于卓认为,世界模型将至少重构三个行业:

首当其冲的是游戏行业,“因为它有元宇宙的因素在里面,当世界模型发展起来后,每个人都能开发一款像《我的世界》那样人人能进入、人人能探索的世界级游戏,原来的游戏行业或将被颠覆。”

世界模型赋能游戏行业技术与产业升级 (本版图片均由山东外事职业大学元宇宙学院院长于卓提供)

第二个是与具身智能相关的AI行业,尤其是人形机器人产业。“原来的AI只靠海量数据推演,现在把底层定律置于最底层之后,它就像喝水一样自然地拿起一个东西来,因为定律已经刻进骨子里了。”

第三个则是数字工厂、数字孪生、数字文旅等“连接真实世界与虚拟世界”的行业。“有了世界模型,不用再花几百万、几千万去做数字工厂,自己就能开发出来,或者委托别人三五天就干出来了。”在于卓的推演里,数字电网、数字城市、数字气象、数字园区等一系列数字化场景,都会因这套底座而大幅降低门槛。

不过,从“能生成”到“真理解”,世界模型还有不短的路。行业至今没有公认的定义边界,也缺乏统一的评测标准,“仿真与现实的鸿沟”依然是世界模型的关键卡点。“现在的AI还理解不了这个世界,靠的还是几万亿参数和海量数据的推演。”于卓坦言。

不过,他认为方向已经明确,大模型的下半场,比拼的不再是谁的参数更多、吞下的数据更海量,而是谁能让它真正明白:苹果为什么会落到地上,而不是飘到月球上?

(齐鲁晚报·齐鲁壹点原创作品)

大众新闻·齐鲁壹点记者 魏银科 孙佳琪

责任编辑:魏银科