在深耕大语言模型（LLM）研究八年后，计算机科学家路易斯 · 卡斯特里卡托（Louis Castricato）感到行业已触及天花板。"我们已基本越过基础 LLM 研究的阶段，如今更多是应用层面的修修补补。"他说。
随后，卡斯特里卡托辞去布朗大学的研究职务，创办了初创公司 Overworld。其野心直指下一个 AI 前沿：构建不仅能处理文字，更能理解并导航现实世界的"世界模型"（World Models）。
尽管 Anthropic 和 OpenAI 等聊天机器人开发商仍吸纳着数万亿美元的投资，但越来越多的 AI 先驱正将目光转向这一新领域。其中包括" AI 之母"李飞飞和图灵奖得主杨立昆，他们试图教会 AI 系统——尤其是机器人——如何在物理环境中做出反应。
从统计文本到理解时空
世界模型的核心理念在于：仅靠阅读书籍无法赋予 AI 真正的智能，它必须学会感知环境。
李飞飞在本月发表的文章中指出，语言模型学习的是文本的统计结构，而世界模型学习的是时空的统计结构："光线如何落在表面、从未被拍摄的花园视角、物体如何受力并遵循物理定律。"
杨立昆去年辞去 Meta 首席 AI 科学家职务，在巴黎创立高级机器智能实验室。他认为，世界模型能让 AI 代理"预测其行为的后果"，尽管他也承认这正迅速成为一个被过度使用的流行词。
破解"物理 AI "的落地难题
基于全人类文本和视觉媒体训练生成的 AI 助手，虽已改变办公与创意工作，但在物理交互上存在先天缺陷。卡内基梅隆大学计算机科学院长马丁 · 赫伯特（Mart í n H é bert）指出，聊天机器人无法拿起咖啡杯，因为这涉及几何结构、动态过程及物理交互，远比预测下一个单词复杂。
赫伯特认为，世界模型是通往"物理 AI "或"具身 AI "的更快路径。正如人类神经系统拥有平衡和行走的通用模型，能即时适应膝盖疼痛等变化，未来的机器人也需要这种无需思考即可适应环境变化的底层模型。
资本涌入与概念厘清
除了更聪明的机器人，世界模型在游戏等领域的应用也吸引了资本关注。卡斯特里卡托的 Overworld 正在构建高交互性的视频游戏世界，场景会随角色移动和互动实时变化。"我们将交互性置于一切之上。"他说。
Kindred Ventures 联合创始人史蒂夫 · 张（Steve Zhang）表示，风投界正密切关注该领域，其投资组合包括 Overworld、天气预测模型公司 Causal Labs 以及专用芯片制造商 Extropic。"未来将是多种模型、哲学和架构并存，而非单一巨型模型统治一切。"
面对概念的混淆，李飞飞试图建立一套"世界模型分类法"以厘清竞争格局。她将现有技术分为三类：
渲染器：优先视觉保真度，商业可行性最高，但难以指导机器人行动；
模拟器：创建忠实反映物理结构的虚拟训练场；
规划器：预测 AI 代理在非结构化世界中的行动。
"能够规划的机器人就是能工作的机器人，"李飞飞写道，"整个行业都在竞相成为第一个实现这一目标的团队。"
【星途科讯 图文丨 Patrick 首发于 ZAKER 科技，转载请注明出处】
九鼎配资提示：文章来自网络，不代表本站观点。
