扶稳坐好，世界模型，元年已到

文 | 数字力场，作者 | 佘宗明 AI大佬杨立昆该偷着乐了——他断言的“LLM（大语言模型）只是过渡品，JEPA（联合嵌入预测架构）+世界模型才是通往AGI正途”，似乎正得到应验。 2026年被钉上“世界模型元年”的铭牌，即为印证。这不是我的“自定义”，而是很多实锤在现实墙面上砸出的标记。 2026年1月，谷歌DeepMind开放Genie 3公测，世界模型首次以可交互形态对普通用户开放；几乎同一时间，蚂蚁集团旗下灵波科技连续发布世界模型产品；4月，腾讯开源混元3D世界模型2.0；6月，蔚来向超70万用户推送世界模型驱动的端到端驾驶系统；7月，蚂蚁灵波在几天内连发六款模型，昆仑万维在WAIC上宣布2026年为“世界模型元年”…… 虽然时下“元年”二字已被滥用，可拐点是它最好的证明。众多迹象显示： 算力成本、模型连贯性、产业资本，三条此前各自爬坡的曲线，在2026年 正 同时跨过商用临界点。 说到这，有些人可能被动开启了“懵逼树上懵逼果，懵逼树下你和我”模式：什么大语言模型、世界模型、我秀我型？ 让我用比豆包还直白还简单还不拐弯抹角的方式回答你：大语言模型“管”信息世界，最擅长跟咱们侃大山；世界模型“管”物理世界，能预判物体碰撞、行人动向、空间变化。 你让ChatGPT写出行车方案，它三两下搞掂，你让它预判出路边小孩突然横穿马路，它只能来上一句“臣妾做不到啊”。毕竟它能理解符号与文字，却不懂重力、碰撞、空间、时序。 而世界模型的核心能力，就是在数字空间复刻那套完整的物理规则。说人话就是：AI终于可以开始看懂我们身处的真实世界，明白原来牛顿的万有引力掌管着我们的日常。 被杨立昆、李飞飞们偏爱的世界模型，不算新概念，但2026年的特殊之处在于，世界模型不再是仅供演示的概念，而是三类普通人高频接触的产品标配：玩游戏时动态生成的无限开放世界、家用机器人提前预演的家务动作、自动驾驶车辆预判的千万种路况风险。 谷歌让普通人“创造世界”，蚂蚁让机器人“预演世界”，蔚来让汽车“预判世界”，这三件事接连发生，本就意味着：风，已经来了。 那，世界模型将如何改变我们的生活？ 谷歌、蚂蚁、蔚来“让事情发生”的游戏、机器人、自动驾驶三个领域的变化，就可供我们窥斑见豹。 01 游戏，终于可以从“预制”变“现炒”了 如果你是个游戏老玩家，大概率都经历过“就这？”时刻：很多的所谓开放世界游戏，肝了200小时后，再无新鲜劲可言。二周目？不过是把同样的路再走一遍、跟同样的NPC说同样的话，。 没办法，当下游戏多是预制——包装得再精美，地图都是开发者提前设计的，NPC台词都是照剧本来的，咱们能走的路、能进的门、能看到的风景，都在设计文档里画好了边界。 我不是针对某款游戏，我是说绝大多数都是。 听到这，你是不以为凡游戏“预则无味，不预则废”？ 谷歌拍了拍我们，说“来感受疾风吧”，顺带着就抛出了Genie 3。 年初的Genie 3开放公测，就第一次让普通用户用“一句话生成一个能交互的3D世界”，摸到了“生成式世界”的门槛。 生成一个世界不难，难的是生成的世界有基本的物理常识——角色不能穿墙，重力依旧存在。你离开某个场景再回来，它能像DM（地下城主）那样，还记得之前有什么。 这绝对是游戏玩家的福音：它意味着，世界模型驱动的游戏，我们玩三遍，三遍是三个不同的宇宙，它可以没有固定剧情，没有预设结局，整个世界根据我们的行为动态生长。在这个世界里放了一把火，下次回来，那片废墟还在冒烟。 担心无“国服”版本的玩家也不用担心。昆仑万维推出的开源世界模型Matrix-Game，算是平替：它也能模拟复杂建筑的玻璃反光，还能跑GTA风格的大地图自由探索。 腾讯开源混元3D世界模型2.0，则让游戏开发者也有了趁手工具：因为它能把文字、图片、视频直接变成3D世界资产，跟现有游戏工作流对接。这么一来，游戏开发者以后可能就不用再从零开始建模，没准对着AI说“我要一座哥特式城堡”，再拿着AI生成的草稿精修，就行了。 你要说现在的世界模型游戏有多能打，倒也未必。毕竟还是“幼詹形态”，场景连贯性只能维持几分钟，实时交互延迟还太高，画面精细度离3A大作往往差着十个《荒野大镖客》。 但它指向的方向很清晰，那就是从“开发者给你一个限定世界”变成“AI给你生成一个无限世界”。方向已定，接下来就等技术成熟了。 等技术成熟后，被颠覆的恐怕不只是游戏行业，任何需要“构建虚拟空间”的场景，比如建筑设计师在AI生成的空间里穿行，导演在AI生成的场景里提前预览镜头，都能让世界模型帮忙。 单就游戏来说，我觉得，在游戏将来“主打现炒”后，玩法也会更多样，以后再“读档”可能就不是再回到某个存档点了，而是让AI重新生成一个类似但不同的世界，让咱再试一次。想象一下，玩《黑暗之魂》，每次死亡后BOSS战的场景布局都不一样，咱是不就能喜提无限重玩的乐趣了？ 02 机器人 ， 从仿真到逼真再到……“如真” 生活不止眼前的游戏，还有远方的诗和田野+手头的琐事。游戏世界模型能让咱们“无限流体验”一时爽，机器人世界模型则能让咱们拥有建国后成精的Robot。 现在的机器人，虽然扭起秧歌来比“四肢残废”的我好太多，但要论懂其中的力矩、角动量、摩擦力、惯性、简谐运动等基础物理知识，它可能得喊我一声“大哥”。 事实就摆在那：机器人在仿真环境里可以是王虹是邓煜，到了真实世界里就是数学“学废了”的世另我。 数据可以佐证这点：机器人在仿真环境中操控成功率能达到89.4%，但落到真实家庭场景，暴跌至12.4%。业界将其从仿真到现实的鸿沟称作Sim2Real Gap，我则称其为“另一个马里亚纳海沟”。 原因无他：仿真环境堪比无干扰温室，光线均匀得像摄影棚，物体摆放得整整齐齐，桌面平整得像乒乓球台。真实世界呢，往往糙很多：阳光可能在桌面上切出光斑，桌面上可能还有水渍，旺财可能突然从桌子下窜出来。 这就导致，仿真环境里训练好的机器人，就像只在恒温泳池里练过游泳的选手，第一次下海就被浪拍懵了——乘风破浪不了一点。 机器人训练师不是没想过解法，但方式也很原始：让它在真实环境里反复试错。学开门就摔一千次门，学抓杯子就碰碎几百个杯子。 但咱就是说，为了训练一个端茶机器人，让它在客厅里搞一万次破坏，这成本……是不是太高了？ 世界模型提供了另一种解法： 让机器人在虚拟世界里 “ 脑补 ” 无数次真实场景，学会应对各种意外，再回到现实。 那些试错不需要在真实世界里发生，世界模型帮它在脑子里跑完。预演完后，带着经验回到现实。 清华大学FIB-Lab的研究就认为，用合成数据训练的机器人策略，真实世界表现有显著提升。划重点：“显著提升”，以后要考。机器人表现从“真的难用”到“勉强能用”再到“十分好用”，产业才能实现实现指数级爆发。 国内在这条路上跑得最猛的，是蚂蚁集团旗下的灵波科技。虽然才成立才1年半，但它已经拿出了覆盖机器人从看到动的十余款模型。 上个月更是猛：灵波几天内连发六款模型，覆盖视觉、空间感知、VLA（视觉语言动作）、世界模型和世界动作模型。其中最值得关注的，是LingBot-World和LingBot-VA这对组合。 LingBot-World负责生成可交互的虚拟环境，第一代单次能生成接近10分钟的连贯视频。2.0版本更进一步，