世界模型融資兇猛：它是AI的終局嗎？

1月28日，由鉛筆道聯合主辦的中關村早期投資論壇暨2026新場景大會舉行，影響力登上活動行北京總榜第1名。本文為大會《世界模型》圓桌討論實錄。

整理 | 鉛筆道 吳欣曉

編輯 | 鉛筆道 王方

去年11月，斯坦福大學教授李飛飛提出一個概念：世界模型，在AI行業引發廣泛討論。

與此同時，李飛飛的公司——World Labs，估值飆升至50億美元；同樣關注大模型的科學家楊立昆，估值也超過30億美元。

于是，一個關鍵的話題產生：世界模型是人工智能的終局嗎？本文將對該話題展開探討。參與本次探討的嘉賓如下：

核心亮點提前看：

1、什么是“世界模型”？

答：讓AI理解和預測現實世界的模型。版本很多，沒有共識。

2、為什么世界模型如此火？

答：融資猛，估值高，對人類極其有用。

3、世界模型是AI的終局嗎？

答：可能是。AI把執行干了，人類只需要去卷創意。

4、世界模型可以怎么賺錢？

答：做成產品，比如具身智能的大腦。

更多精華，請看圓桌現場實錄。

01 世界模型到底是啥？

林覺民： 現在“世界模型”確實很火，大家看到楊立昆融到了幾十億美金，李飛飛也融到了50億美金，這些公司的估值都在飛速上漲，國內也掀起了一波新的浪潮。

但有意思的是，到底什么是“世界模型”，好像大家各有各的說法。

王晟：首先，大家對世界模型的理解可能并不一致。

實際上，世界模型有兩種典型的流派：一種是具身智能的世界模型，另一種是數字空間的世界模型。

我們理解的世界模型，并非完全模擬真實世界，而是針對特定的領域或“world”進行建模。比如醫療領域、金融領域、法律領域，每個領域都可以看作一個獨立的world。

以醫療為例，假設我們構建了一個“醫療世界模型”，它可以模擬你得病后的整個過程。人們若得了甲流，通過這個模型，我們可以看到患者不干預時的身體反應、癥狀變化、以及生化指標的變化。

如果患者進行了治療，模型會顯示你用藥后的效果，直到康復或是病情加重。我們通過這種模型來探索真實的“ground truth（基礎真理）”。

比如我們投資的清華紫荊智康團隊，他們的醫療AI在30多個、接近40個疾病診療領域，診斷水平已經超過了全球97%的醫生。

他們的成功，正是因為通過醫療世界模型，模擬出疾病發展的全過程。通過這種world model（世界模型），我們可以讓AI更快地學習，甚至讓它在短時間內積累經驗，成為世界頂尖的醫生。

武偉：我們認為，要搞清楚世界模型的本質，首先需要理解它的兩個核心關鍵詞：模擬和交互。

“模擬”是指通過仿真技術構建一個虛擬世界，來訓練AI進行推理和決策。而“交互”則是指通過與環境和人類進行交互，讓AI能夠更好地適應并反饋現實世界的變化。

從學術和產業發展的角度來看，世界模型的概念大概是從2018年開始被提出的，至今已經發展了七八年。期間，世界模型主要有三種不同的流派：

第一個流派是將世界模型用于仿真器，通過云端合成大量仿真數據，供智能體訓練使用。英偉達的Omniverse和Cosmos系統就是走這一路線。

第二個流派是將世界模型作為通用交互界面，Google的Gemini3、李飛飛團隊的Marble等項目都屬于這一類，主要是用于娛樂和數字體驗的應用。

第三個流派也是我們關注的重點，是將世界模型的推理能力直接賦能大腦，讓AI具備內生的空間推理和想象能力。通過這種方式，AI可以在沒有見過某些數據的情況下，通過推理和模擬，指導機器人進行更高效的決策和交互。

這種方法與傳統的模仿學習不同，因為模仿學習依賴于離線數據的積累，而我們則更關注AI如何通過內生的模擬能力，來預測和適應新環境。

武偉：在我們的理解中，世界模型是“基礎模型”（foundation model），是機器人原生所需要的基礎模型。我們需要建模的是：物理空間的移動和操作層面的內生認知，這是我們的技術路線。

從我們的定義來看，世界模型其實是一個端到端的模型，或者可以理解為兩端式端到端的大模型。

相比之下，千訣科技主要是做內腦架構，也就是人的大腦有多個分區，每個分區對應不同的小模型，或者用現在agent領域比較流行的詞匯——skills（技能）。這些小模型和頂層模型結合起來，可以實現更低功耗的大腦模擬。

這是我對兩者的理解，當然，團隊的基因也起到決定性作用。我們基因決定了我們專注于模型的端到端構建，以及數據的擴展（scaling）。

宋亞宸：李飛飛最近剛融了一輪，估值已經達到了50億美金。我悄悄看了他們的BP，里面提到李飛飛所定義的世界模型有三個主要應用場景：

第一個是娛樂行業的3D生成（3D generation in entertainment）；

第二個是XR（擴展現實）和元宇宙中的空間智能（spatial intelligence）；

第三個是機器人技術（robotics）。

其實最早做的是前兩個場景。

我想說的重點是，我認為世界模型可能確實是AI時代的終極答案，包含了兩件事：

第一，世界模型能助力發展具身能力，讓各種各樣的具身場景變得更加普及，能讓更多的機器人替代人類的工作。

第二，勞動力如果被解放了，那人類應該做些什么呢？

從農業時代到工業時代，再到信息化時代，我們發現有兩個特點：

1、人類的幸福指數越來越高，生命的周期越來越長，嬰兒的存活率越來越高，超市里能買到的商品選擇越來越多；2、大家的工作時間卻越來越長，變得越來越“卷”。

從最早的農業時代，人們的工作時長很短，但隨著時代發展，我們進入了一個更加“卷”的社會，特別是信息時代，996（早九晚九）已經成為常態，大家為了大廠的“福報”而拼命工作。

但AI的出現改變了這一切，理論上講，AI時代是更“卷”的，但實際上似乎沒有什么需要再去“卷”的東西了，因為機器人可以代替人類做所有的事情。那么，生產力和勞動力將去向何方？

我自己有個理論，認為人類最終要卷的，是自己的創意本身。

當AI可以零門檻、零成本、實時地幫助人類放大創意時，每個人都能創造世界級的、可交互的體驗，就像神創造了這個世界一樣，定下了物理規則，又造了萬物。如果這一天到來，人人都能創造出屬于自己的虛擬世界，甚至可以有更好的體驗。

比如，重力不再局限于9.8，你可以飛，可以長翅膀，也可以創造不同的社會規則、評價體系，甚至是物理規則。人類將有更多的選擇，把時間投入到自己真正喜歡的事情上。

這將是一個人人為我，我為人人的時代，每個人都可以用AI放大自己的創意，吸引更多人加入到自己的世界中來。

如果這種世界真能到來，那么我們就是在為別人創造極樂世界的時代，像圣人一樣去為他人提供最好的體驗。

AI在其中的角色，就是讓每個人像神一樣去創造完整的、世界級的、可交互的體驗。這就是我認為世界大模型對于AI終局如此重要的原因。

未來每個人都能像“馬良”一樣，手握神筆，心想事成。

蔣屹舟：世界模型最早的研究，主要是為了理解和預測我們周圍的物理世界。

就像牛頓通過觀察蘋果掉下來的現象，推導出了萬有引力的規律。沒有世界模型，我們的推理能力有限，只能根據已經觀察到的現象做判斷。

隨著研究深入，李飛飛提出，世界模型不僅僅是理解世界，更重要的是預測世界。我們在十年前開始做“視頻預測”，用它來預測機器人的運動軌跡，這一思路對機器人非常有用。

機器人在現實中需要能夠預測未來的情況，而不是只根據過去的數據做決策。

比如，疊衣服這個看似簡單的任務，不同形狀的衣服需要不同的操作。通過世界模型，機器人能更好地理解衣服的特性，從而做出更精準的動作。

類腦智能是我目前關注的方向，它強調多個小模型的協作，而不是一個大模型解決所有問題。在機器人領域，世界模型幫助機器人預測未來的情景，這樣它們在執行任務時可以更加高效。

比如，機器人在打掃衛生時，會根據預測的結果調整任務步驟，提高執行效率。

一個有趣的實驗是給塑料袋打結。我們最初的訓練方法并不夠靈活，后來我們創造了一個“塑料袋世界模型”，讓機器人理解不同塑料袋的物理特性，能夠智能化地處理各種情況。這種方法讓模型能適應更多的場景，而不僅限于特定的任務。

簡單來說，世界模型幫助機器人更好地理解和預測未知世界，從而提高工作效率。

02 世界模型怎么落地？誰能跑出來？

林覺民：世界模型的發展方向如此多樣，大家最終競爭的是什么？每個人的技術路線不同，最后如何比較？

王晟：從投資人的角度來看。為什么大家都在關注世界模型？

對我們投資人來說，“世界模型”現在是共識標簽——就像前兩年的“具身智能”，一聽就覺得很想投。

但實際上，這只是一個共識的標簽。

大家對世界模型的定義并不相同，就像我們今天在座的幾位嘉賓，每個人的理解都不完全一致。作為投資人，我們愿意接受所有看似合理的世界模型定義，關鍵在于它是否能夠落實到具體的技術實施，是否能夠持續增長，且有較高的市場潛力。

從我個人的視角來看，未來的世界模型需要具備兩個核心要素：

首先是擁有一套接近“真實世界”（ground truth）的驗證系統，這個系統必須能夠生成大量高質量的數據。數據不僅僅是要多，還要足夠真實和高質量，以便為模型訓練提供有價值的反饋。

其次，數據分布要平衡，既要有稠密數據，也要涵蓋稀疏數據的情況，這樣才能避免模型過擬合，也能確保訓練出更具泛化能力的模型。通過世界模型生成大量高質量數據，是訓練模型的基礎。

武偉：如果從商業本質角度來看，世界模型的競爭還是要回到一個核心問題：一個公司能否在競爭中存活。

作為商業公司，我們必須明白，只有兩種方式能夠確保生存。要么有健康現金流，要么有高增長、高天花板的路徑。

從世界模型的發展階段來看，目前更接近第二種模式——快速增長的階段。做世界模型的公司，是否能找到適合自己的落地方向，并且能夠快速增長，是決定能否存活的關鍵。

以我們為例，我們的第一個產品化方向就是具身大腦。我們通過思維實驗來推算，人類一生收集的數據量大約是300萬段每分鐘的視頻片段（clips），這相當于18歲之前積累的經驗。

如果我們假設一個工種需要一年時間來熟練掌握，那么大約是3億段clips的數據量。我們通過這些數據的積累，來預估人類世界模型的最大智能化上限。

如果我們能夠構建一個擁有十億級數據量的世界模型，并通過預訓練使其在零樣本和少樣本的情況下表現得足夠強大，那么這個世界模型的商業價值就會非常高。

因此，未來的關鍵是如何收集足夠高質量的數據，進行良好的預訓練，并最終在實際應用場景中具備強大的泛化能力。

宋亞宸：其實，我們需要思考一個核心問題：為什么現在大家都在討論世界模型？為什么創業公司、資本和頂尖人才都在涌向這個領域？是因為AI發展到一定階段，世界模型應運而生嗎？還是因為具身智能技術發展成熟了？我認為，這兩個因素并不是世界模型崛起的根本原因。

世界模型的出現，最根本的原因在于信息載體的變化。過去，信息載體的提升是一個不斷升維的過程，從文字到圖片，再到視頻，直到今天的3D世界。隨著信息密度和體驗質量的提升，我們也迎來了3D和世界作為新的信息載體。

以往，文字、圖片和視頻曾是信息表達的主流。但現在，隨著AI技術和硬件基礎設施的進步，3D以及更高維度的世界成為了我們表達和傳遞信息的最終載體。

過去幾千年，文字是表達世界的工具，但隨著信息技術的發展，3D和世界的表達形式才剛剛開始成為主流。我們即將進入一個新時代，AI能夠幫助我們直接處理和理解3D世界，并且創造更豐富的交互體驗。

這其實是信息利用效率的提升。信息密度越高，傳播效率就越快。

當我們只能在古代的龜殼上刻字時，信息傳播效率非常低；但隨著技術進步，互聯網、圖片、視頻的出現，傳播效率逐漸提高。而3D和世界本身，最終將成為我們信息傳遞和創造的主要載體。

蔣屹舟：我個人對世界模型的理解有些不同。

我們做的是類腦智能，偏向非端到端的設計。最初我們是做類腦機器人的，尤其是在國家項目中，認為世界模型不僅僅局限于視覺或某種單一的輸入模式。

以一個盲人操作物體為例，即使他無法通過視覺來感知世界，但他依然能通過其他感官掌握物體的特性，并推測出自己的行為可能帶來的后果。這種因果關系的理解，才是我們認為最為核心的部分。

通過類腦模型，我們的優勢在于對數據的需求不那么大，傳統的強化學習需要大量數據，而我們采用的非端到端方法，通過理解世界的因果關系，就能有效減少數據需求。

我們相信，世界模型不僅限于自然世界，它同樣適用于人類構建的世界。大語言模型（LLM）就是一個典型的例子，語言作為人類對世界的抽象工具，能夠幫助我們理解和表達大部分的事物。通過對這些抽象的理解，機器也可以構建出一個符合邏輯的世界模型。