斯坦福大学教授、World Labs联合创始人兼CEO李飞飞，近期携团队发表了一篇关于“世界模型”的重要论文《世界模型的功能分类》。这并非一篇单纯普及概念的文章——事实上，近年来“世界模型”一词已被不同赛道的从业者赋予了多种解读，几乎每个领域都有各自的理解，定义之混乱令人困扰。李飞飞团队的工作，正是系统性地剖析这种混乱，为“世界模型”确立清晰的定义框架。

从计算机视觉、机器人技术，到强化学习、生成式AI，各领域都在积极研发世界模型，但彼此所指的内涵却大相径庭。这项研究的切入角度非常务实——李飞飞基于强化学习中经典的POMDP（部分可观测马尔可夫决策过程）框架，为世界模型构建了一套条理清晰的功能分类体系，旨在让不同领域能够在同一张地图上展开对话。

在梳理世界模型各项能力时，李飞飞团队将其归纳为三大功能类别：渲染器、仿真器、规划器。

首先是渲染器——它的核心任务是输出供人观看的像素画面。评判其好坏的标准十分直观，即视觉上的还原程度。只要画面的视觉效果令人信服，渲染器便算达标。

其次是仿真器——该模块输出的是符合客观规律的环境状态。其核心要求在于恪守“结构真实性”，也就是说，模型输出的状态必须尊重现实世界的物理法则与逻辑约束。这一要求显然比单纯追求高像素要困难得多。

最后是规划器——它直接输出智能体的动作指令，借助观测信息与预设目标制定行动方案。规划器更偏向决策层面，不关心像素画质，只关注任务能否顺利达成。

文章中重点论证了一个常被忽视的观点：尽管仿真器在三者中受到的关注度最低，但它却具备最深远的产业价值，同时也伴生着最为棘手的技术挑战。为何如此？因为仿真器正是连接渲染与规划的桥梁。机器人训练、自动驾驶测试、建筑可视化等众多领域，都需要一个可靠的仿真器来模拟真实环境。然而现实是，仿真赛道面临多重困境：三维数据稀缺、仿真与现实的域差、生成式仿真存在的几何隐患、多物理场仿真带来的高算力成本——每一条都是难以啃下的硬骨头。

当然，李飞飞团队并未止步于分类阶段。文章进一步指出，三类模型底层共享同一套世界知识，当前最令人振奋的趋势是三者之间的边界正在不断消融。未来的方向已然清晰：从分裂走向融合统一。最终目标，是一个能够灵活切换输出形式的大一统世界基础模型。在同一套模型架构中平衡渲染、仿真与规划这三重需求，正是当前世界模型领域最核心的攻关课题。