在过去的几年里，许多人不知不觉间完成了一门关于人工智能的速成课程——但严格来说，这只是一门专注于大语言模型的速成课。然而如今，大语言模型已不再是唯一备受瞩目、获得巨额资本支持并吸引大量研发资源的AI领域。

在过去一年中，一项被称为“世界模型”的技术领域涌现出大量突破性进展，并且预计在未来数月乃至数年内，该领域将持续快速演进。

世界模型致力于在语言之外（或者说超越语言）为AI系统奠定基础，使其能够模拟物理世界，或至少生成对现实世界有意义的近似。这并非简单的“换一个赛道”的思路。

为了深入理解这一概念的独特之处及其重要意义，Ars 采访了三位从事世界模型及其相关技术研究的专家：麻省理工学院的 Vincent Sitzmann、Runway 的 Anastasis Germanidis 以及 World Labs 的 Ben Mildenhall。

从这些对话中可以明显感受到：大语言模型作为一种产品，先有了界面（对话框），然后才去寻找应用场景；而当前世界模型领域的主要玩家，走的恰恰是相反的道路——他们首先锁定机器人、科学研究和资产生成等具体应用场景，至于最终界面形态、系统架构以及工具生态的构建，目前都尚未确定。

在架构设计与演进预期方面，大语言模型与世界模型存在诸多相似之处。然而，一些研究者认为，世界模型有望成为突破大语言模型瓶颈的一条路径——尽管相关研究早在“大语言模型局限性”这一话题流行之前就已经展开。

“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 采访时这样说道。这一观点在 AI 和大语言模型领域引发了广泛争议，有人觉得他是在逆流而动，但事实上，持有类似立场的业内人士并不在少数。

计算机视觉先驱、World Labs 联合创始人李飞飞也表达了差不多的看法。她在去年底的一篇 Substack 文章中写道：

“如今，以大语言模型为代表的前沿 AI 技术已经开始改变我们获取和处理抽象知识的方式。但本质上，它们仍然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这些理念之上，所以他们的观点并不令人意外。但类似的声音也出现在一些目前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 在一次会议上表示。

“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，未来几年会涌现出更多可能。”

在过去的几个月里，世界模型已从纯粹的研究课题，逐渐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，这是一套能够生成沉浸式环境的模型与工具集，用户可通过文字、图像、视频或其他素材生成可导出的 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，基于 Runway 此前视频模型的研究成果构建。

更近期的消息是，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哪些本质区别？

大语言模型的核心在于处理语言文本，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：目前有哪些公司正在研发世界模型？进展如何？

目前主要参与者包括：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于哪些场景？

根据当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领域：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。