一個大語言模型寫詩、答題、總結(jié)報告，它表現(xiàn)得游刃有余。但如果你讓它預(yù)測一個玻璃杯從桌邊滑落后會發(fā)生什么，或者指揮一臺機器人在雜亂的車間里搬運零件，它很可能一塌糊涂。

Google DeepMind首席執(zhí)行官德米斯·哈薩比斯也在公開場合指出，當(dāng)前AI存在"智能不均衡"的問題，能解出高難度數(shù)學(xué)題，卻搞不定基本的物理直覺。

這個判斷，正在引發(fā)AI行業(yè)有史以來規(guī)模最大的一次技術(shù)路線轉(zhuǎn)向。

2026年3月，楊立昆離開Meta后創(chuàng)立的新公司Advanced Machine Intelligence（AMI Labs）完成了10.3億美元的種子輪融資，估值約35億美元，投資方包括英偉達(dá)和多家頂級機構(gòu)。這距離李飛飛創(chuàng)立的World Labs完成10億美元融資，僅僅過去了數(shù)月。

兩家公司押注的，是同一個賽道："世界模型"。

世界模型的核心思路，是為AI構(gòu)建一套內(nèi)部的物理模擬器，讓它在真正行動之前，能夠在腦子里先"預(yù)演"后果。這與人類思考方式更為接近，也是機器人、自動駕駛和工業(yè)自動化等實體應(yīng)用真正落地所必需的能力基礎(chǔ)。

"世界模型"并非一種單一的技術(shù)，它是至少三種截然不同的技術(shù)路線的統(tǒng)稱，每一條路線背后的邏輯、優(yōu)勢和適用場景都大相徑庭。

第一條路是楊立昆力推的JEPA路線，即聯(lián)合嵌入預(yù)測架構(gòu)。

JEPA的關(guān)鍵在于"放棄細(xì)節(jié)"。傳統(tǒng)模型試圖在像素級別預(yù)測世界的每一幀畫面，而JEPA學(xué)的是更抽象的"規(guī)則"，它會丟掉背景樹葉上的光影變化，專注于理解場景中物體運動的核心模式，就像人類看一輛車行駛時追蹤的是軌跡和速度，而不是每片窗玻璃的反光角度。

這種"放棄"帶來的好處是極高的效率。JEPA模型計算量小、延遲低、對噪聲不敏感，非常適合對實時響應(yīng)要求苛刻的機器人控制和醫(yī)療輔助決策。Meta的V-JEPA 2是這一路線目前最成熟的公開成果，已被證明能在視頻理解任務(wù)中達(dá)到業(yè)界領(lǐng)先水準(zhǔn)。

第二條路是World Labs代表的高斯散射（Gaussian Splatting）路線。

第三條路是Google DeepMind和英偉達(dá)主導(dǎo)的端到端生成路線。

DeepMind的Genie 3和英偉達(dá)的Cosmos平臺，代表的是一種最為激進(jìn)的方案：模型本身就是物理引擎。它實時接收用戶操作，逐幀生成場景、物理動力學(xué)和光照響應(yīng)，而不是把結(jié)果輸出到外部引擎。Genie 3已經(jīng)被Waymo用于訓(xùn)練自動駕駛系統(tǒng)，英偉達(dá)Cosmos則專門為機器人和自動駕駛開發(fā)者提供合成極端場景的能力，讓高風(fēng)險的真實路測變成可以無限重復(fù)的數(shù)字實驗。

這條路線的代價是高昂的算力消耗，但它提供了目前最為靈活和強大的合成數(shù)據(jù)工廠能力。

三條路線之間并非非此即彼的競爭關(guān)系，混合架構(gòu)正在出現(xiàn)。大語言模型繼續(xù)承擔(dān)推理和溝通的接口角色，而世界模型在后端處理物理和空間信息，二者分工協(xié)作，各司其職。

超過20億美元的資本押注，正在告訴整個行業(yè)：下一個AI時代的入場券，是理解物理世界的能力，而不僅僅是預(yù)測下一個詞。