巨牛鑫配资官网李飞飞详解世界模型三大核心功能，突破AI认知边界

　　李飞飞最近出来澄清了“世界模型”这个概念，说现在大家把视频生成模型、语言模型甚至物理引擎都叫成世界模型，其实完全搞混了。她指出，真正合格的世界模型得有三大核心功能，缺一不可。

　　第一个是渲染器，能生成像无人机航拍那样逼真的画面，但问题在于它对三维结构的理解很浅，经常出现物理上不可能的情况，比如杯子穿过桌子还能保持完整。第二个是模拟器，这才是关键桥梁——它得让几何形状、物理规则和动力学都严丝合缝，比如推倒多米诺骨牌时每块牌的运动轨迹都得符合现实，这类技术现在正用在机器人训练和建筑设计里。第三个是规划器，得能根据眼前看到的和最终目标，直接输出动作指令，比如看到桌上的杯子，知道怎么伸手抓起来不洒水。

　　李飞飞特别强调，真正的世界模型必须把这三块拼起来。就像理解杯子不只是看到它长什么样，还得知道它容易碎、能装水，这样才能实现从各个角度渲染画面、模拟被推倒的过程，最后规划出怎么安全抓取。举个例子，当机器人看到桌上的咖啡杯，世界模型应该能预判：如果快速移动托盘，液体会因为惯性泼洒；如果从侧面推杯子，它会先滑动再翻倒。这种对物理规律的深层理解，远比单纯生成酷炫画面重要得多。

　　不过现在大部分演示还局限在实验室里，尤其是模拟器这块，要同时处理刚体、流体、布料等多种物理效果，数据少得可怜，算力消耗又大得吓人。比如模拟一滴水落在布料上的扩散过程，需要计算数万个粒子的相互作用，普通工作站跑一帧就要几分钟。好在World Labs推出的Marble平台正在尝试用多模态输入直接生成可交互的3D环境，通过AI学习真实世界的物理规律，说不定能打破这个僵局。他们最新演示中，用户用手机拍张桌子照片，系统就能自动生成可拖拽、可碰撞的3D模型，连桌布褶皱的物理反应都相当真实。

元鼎证券提示：文章来自网络，不代表本站观点。