世界模型（World Models）即将成为主流，你需要了解的关键点

2016 年，你在傍晚时分在小区里闲逛，一边刷着手机，一边在《Pokémon Go》里捕捉那只难觅的卡比兽，扩充自己的图鉴。你和全球数亿玩家一起，享受着这款以可爱宝可梦为核心的混合现实游戏。但你可能没意识到，这些对你周围环境的扫描数据，有朝一日会帮助机器人在障碍物间穿行、与物体交互。 《Pokémon Go》的开发商 Niantic 去年卖掉了这款游戏，全力转向硅谷当下最火热的 AI 议题之一：世界模型。“我们的核心目标就是重建真实世界，”Niantic Spatial 首席技术官 Brian McClendon 说。他希望利用公司积累的海量世界数据来构建数字复制品。与基于文本的大语言模型不同，世界模型以视觉输入为基础，能够生成模拟物理规律的数字环境。 这类软件即将渗透到日常生活中——你甚至可能不会直接接触世界模型。2027 年或将成为家用机器人和无人驾驶汽车大规模扩张的关键一年，而这两者都得益于世界模型技术的进步。是时候好好了解这些机器人是如何“思考”的了。 “语言模型拿到一句话，会预测下一个词，”专注世界模型的 AI 实验室 Odyssey 的 CEO Oliver Cameron 解释道，“而世界模型拿到的是世界的视觉状态——比如一张图像——然后预测下一个视觉状态。”这些 3D 生成内容可以用作数字训练场。“它们是模拟环境，但看起来和真实世界几乎一样，”他说。

McClendon 认为，这些世界模型能帮助机器人在无需实际移动或处于真实目标环境的情况下进行练习。他指出，人们可以拍摄机器人预期工作场所的照片，生成 3D 模型，然后让软件运行“数百万次模拟”，以此对机器人进行空间参数训练。

不仅人形机器人能通过模拟练习提升能力，自动驾驶汽车同样受益于世界模型。在没有人类驾驶员的情况下，软件的即时反应至关重要。

Wayve 首席科学家 Jamie Shotton 表示：“关键在于，世界模型必须能对我们介入世界后的行为作出反应。因此，它必须理解物理规律、因果关系，以及其他物体和人类如何根据我们的动作调整自己的行为。”Wayve 是一家专门构建面向汽车世界模型的初创公司。

Wayve 的生成式世界模型部分依赖于行车记录仪视频。这家初创公司利用这些视频重现危险道路及其他不安全的状况，而在现实生活中直接测试这些情况既不安全也不切实际。

除了物理应用场景，开发者们也在分析世界模型对电子游戏的影响。鉴于物理引擎和 3D 渲染是电子游戏的核心，像 腾讯 这样的大厂正在投资研发自家世界模型。

可以预见，Google 这样的大型 AI 公司会继续吹嘘它们在世界模型上的最新进展。投资人也纷纷砸钱给那些转向这项技术的计算机科学界新贵。Meta 前首席 AI 科学家 Yann LeCun 最近为其 Advanced Machines Intelligence 创业公司融到了超过 10 亿美元。此外，斯坦福大学知名计算机科学家李飞飞也在 2024 年创办了 World Labs，这家公司今年被 AMD 以超过 80 亿美元收购。

即便你打算彻底避开自动驾驶汽车和家用机器人，世界模型也已经在暗中改变着劳动力市场。为了模拟物理世界，AI 实验室需要真人去记录这个世界。今年早些时候，我把一台 iPhone 绑在额头上，在公寓里录了好几个小时的视频：拍下自己叠衣服、洗碗、倒无糖可乐，然后通过一款 App 把这些视频数据卖掉，报酬少得可怜。随着越来越多的公司尝试构建更好的世界模型，这类数据采集的零工需求可能会进一步增长。

从 2016 年追逐虚拟宝可梦，到 2026 年出售自己做家务的视频，这些系统正在吞噬我越来越多的现实生活。现在我的脑海里总是浮现出某个仿人机器人的数字幽灵——它被困在我卧室的模拟环境里，用金属爪子没完没了地叠我的内裤，而且每叠一遍都稍微熟练一点。真抱歉，我没先把房间收拾整齐。