天下模子火，火到齐有点乱了。

单单一个界说，就越来越众说纷繁：视频生成模子不错是天下模子，能生成游戏的谈话模子也被叫天下模子，还有东说念主把物理引擎也塞进这个筐里……

乱，乱得李飞飞本东说念主齐有点看不下去了。刚刚，她躬行撰文，给天下模子来了个浮现的功能分类。

用词绝不客气：天下模子是现在东说念主工智能领域最进犯也最被虚耗的术语之一。

古希腊东说念主无法就天下的组成已毕共鸣，因为"天下"从来不是一个单一的实体。东说念主工智能也秉承了相通的问题，而此时，这个领域赶巧最需要的便是精确性。

至少，要先分清三件事：

渲染、模拟、计议。

话未几说，赶快一说念来作念札记。

天下模子的三大功能

李飞飞当先拆析了天下模子的时间真谛真谛。

智能体（东说念主、机器东说念主或系统）会摄取行动，这些行动会影响天下的情景。

所谓"情景"，是对某一特定时刻天下所发生的一切的完整姿色，包括每一个物体、每一个位置、每一个速率和每一个属性。

不雅察是主体对这种天下的客不雅确凿的局部感知。行动是主体对这种确凿的修起。

主体→行动→情景→不雅察→复返，赋予了"天下模子"以时间真谛真谛。现在被称为天下模子的多样事物，内容上是团结个轮回的不同投射。

具体到功能上，李飞飞合计，天下模子具有渲染、模拟、计议三大功能。

其中，模拟器得到眷注最少，但最重要，是勾通渲染和计议的桥。

渲染器

渲染器输出给东说念主看的不雅察收尾，中枢计议是视觉保真度。

谷歌的 Genie 3，以及李飞飞自家 World Labs 的 RTFM，齐属于渲染器。

这些模子本人并不具备对三维结构的明确会通。它生成的是不雅众看到的画面，而不是内容存在的画面。

比如，AI 生成的无东说念主机航拍镜头中，建筑物从空中俯视可能完整无瑕，但若是你开车穿过底下的城市，2026世界杯滚球中国官网入口就会发现它们摇摇欲坠。

李飞飞合计，渲染器是面前买卖上最熟习的时间。比如 Nano Banana，便是风靡公共的代表。

局限性在于，渲染器优化的是视觉上的传神度，而非物理上的精确度。其输出收尾荒谬吸睛，但无法用于建筑遐想或机器东说念主教师这么与实际天下结合更淡雅的场景。

计议器

计议器输入不雅察和想法，输出下一步动作。

VLA 模子和新一代天下动作模子齐属于计议器，这些系统决定了机器东说念主在非结构化天下中应该作念什么。

计议器最诱骗东说念主，也最具发展后劲。具身智能就与此淡雅酌量，而多半热钱也正在涌入这一步调。

但李飞飞指出，比年来好多令东说念主印象深切的机器东说念主演示，齐局限于高度受限的实验室环境，想法对象范围窄小，任务周期短，无法在简直天下部署所需的复杂性、可变性和抓续时当前进行考据。

模拟器

模拟器输出可计较、可交互的情景，百家乐IOS/安卓通用版/手机APP下载强调几何、物理、动态一致性。

模拟器要求几何结构经得起锻练，在物理上顺应物理定律，其能源学活动顺应天下运行的款式。

模拟器同期做事于两个用户群体：

建筑师、遐想师、电影制作主说念主和游戏竖立者等专科东说念主士需要超越视觉传神性的精确度。

强化学习智能体、机器东说念主截止器和自动驾驶等领域则将模拟器手脚教师场，以大范围地与天下交互，测试那些在实际中危急、不菲或不成能运行的场景。

李飞飞合计，模拟是勾通渲染和计议的桥梁。

若是说谈话是对天下的轮廓，像素是对天下的投影，那么几何、物理和能源学便是天下本人。

而模拟器，恰是视觉外不雅（关于渲染器而言）和动作成果（关于计议器而言）得以生成的结构骨架。

仿真模子不错将自身的会通革新为像素图像供东说念主类使用，并斟酌实体智能体的活动。机器东说念主教师、自动驾驶测试、建筑可视化、工程遐想和药物研发等齐依赖于某种仿真时间。

其买卖哄骗出息极其盛大，比如英伟达的 Omniverse 平台，就对准了这一超万亿好意思元的潜在阛阓。

问题在于，能用来教师模子器的数据太少了：具有明确几何步地、材料属性和物理标注的三维数据比渲染器教师所用的互联网视频少几个数目级。

模拟本人就与实际存在各异，而生成式模拟器还引入了新的风险：AI 生成的东西可能看起来正确，但细究起来又有好多不顺应物理的所在。

大范围多物理场模拟（刚体、可变形物体、流体、布料互相作用……）的资本更是比单域模拟卓越几个数目级。

World Labs 自家居品 Marble 旨在冲破模拟步调的瓶颈：它撑抓文本、图像、视频或空间草图等多模态输入，生成可探索 3D 环境，并输出 Gaussian splats 和可供物理引擎操作的碰撞网格。

但李飞飞也强调：Marble 只是是这一领域漫长发展经过的来源。

范畴正在消融

李飞飞在这篇著作中的另一个重要不雅点是：三类模子正在互相交融。

渲染一个天下、模拟一个天下、在一个天下中行动，所需要的常识，在很猛进程上是团结套常识。

举个例子：

若是一个模子简直会通一个杯子是何如放在桌子上的，包括其几何结构、材料属性、受力响应等等，那么它就应该大致从随心角度渲染这个杯子，模拟杯子被鼓吹时发生什么，并计议一只手何如把它提起来。

这三类智力，其实是对团结种底层会通的三种投影。

近期商讨一经评释注解，至少在意见上，一个预教师视频渲染器不错手脚搭伙天下斟酌和行动斟酌的主干收集。

这示意了渲染器和计议器之间的一座桥梁：

让团结个模子既假想接下来会发生什么，也假想接下来应该作念什么。

Marble 从单个模子中同期输出 Gaussian splats 和碰撞网格，便是渲染器和模拟器之间范畴消融的一个体现。

每一个层级齐在从被迫输出，走向交互系统。渲染器正在变得以行动为要求。模拟器正在生成更可控、更可剪辑的天下。计议器则正在从单纯响应，走向简直的审慎念念考。

这个逻辑止境，是一个统一的天下模子——

一个基础模子，既大致渲染像片级简直的视图，也能生成物理准确的结构，并计议行动序列。

中枢的挑战仍然是数据。

渲染器领有海量互联网视频，但模拟器和计议器却严重穷乏 3D 财富和机器东说念主演示数据。

追求视觉好意思感，可能会摒弃机器东说念主或高保真模拟所需要的精度。如安在单一架构中和解这些矛盾，是今天天下模子商讨最中枢的怒放问题。

但李飞飞乐不雅地表露：标的一经很明晰了。

三条底本互相零丁的商讨陈迹，如今各自一经驱动并塑造了数十亿好意思元级别的产业。而现在，它们运转阐发得像团结件事。

当它们的范畴共同塌缩，这种变化将重塑一个更大的问题：机器智能，和它所处的物理天下之间的相关。

这便是空间智能的漫长曲线。谈话给了机器一种挑剔天下的款式，而天下模子，将是机器最终会通、假想、推理并与天下互动的款式。

原文荟萃：

https://x.com/drfeifei/status/2062247238143996275

—  迎接 AI 居品从业者共建  —

� �「AI 居品常识库」是量子位智库基于永恒居品库跟踪和用户活动数据推出的飞书常识库，旨在成为 AI 行业从业者、投资者、商讨者的中枢信息要道与方案撑抓平台。

一键眷注 � � 点亮星标

科技前沿进展逐日见百家乐2026世界杯中国官方下载