一个被忽视的问题
2026年，当全世界都在惊叹Sora和Genie 2的"魔法"时，一个被忽视的问题正在发酵：这些模型的训练数据是什么？它们"看"了谁的视频？
答案是：它们"看"了互联网上几乎所有公开的视频——YouTube、TikTok、Instagram、Vimeo、新闻视频、监控录像、电影片段。这些视频的创作者，绝大多数不知道自己的作品被用于训练AI。
金句：世界模型在"吃"互联网的视频，但视频的创作者没有收到"餐桌邀请"。 这是2026年AI领域最大的版权和伦理争议之一。
三大争议
争议一：版权。 训练世界模型使用受版权保护的视频是否构成"合理使用"？2026年，这个问题正在美国和欧洲的法院中审理。OpenAI和DeepMind主张"合理使用"（因为模型不是"复制"视频，而是"学习"视频中的模式），但内容创作者（电影公司、YouTuber、新闻机构）主张这是"大规模版权侵犯"。
争议二：隐私。 世界模型的训练数据中可能包含"无意中被拍摄到的人"——街景视频中的路人、家庭视频中的儿童、监控录像中的行人。这些人的隐私是否被侵犯？2026年，欧盟GDPR要求AI公司提供"数据删除"机制——如果你的脸出现在训练数据中，你有权要求删除。
争议三：偏见。 世界模型的训练数据主要来自"互联网"——这意味着数据偏向于"有互联网接入的"、“有设备拍摄视频的”、“愿意分享视频的"人群。世界模型可能在"西方场景"上表现好，但在"发展中国家场景"上表现差。
2026年，业界在做什么？
数据透明化： 一些AI公司开始公开训练数据的来源和构成。数据授权： Shutterstock、Getty Images等平台开始向AI公司"授权"视频数据，内容创作者获得报酬。合成数据： 用合成数据（由传统3D引擎生成）替代真实视频，避免版权和隐私问题。
结论：世界模型的数据问题，不是"技术问题”，而是"社会问题"。 解决这个问题，需要的不是更好的算法，而是更公平的法律框架和社会共识。