一个"物理测验"

2026年，我们给Sora和Genie 2做了一次"物理测验"：

  • 题目1：一个球从斜坡上滚下来，它会滚多远？（动力学）
  • 题目2：把一杯水倒进一个容器，水会溢出吗？（流体力学）
  • 题目3：两个物体碰撞后，它们会怎么运动？（碰撞力学）
  • 题目4：一个气球被戳破，它会怎么破？（材料力学）

结果：Sora在题目1上表现不错，在题目2和题目3上表现不稳定，在题目4上完全失败。Genie 2在题目1和题目3上表现较好，在题目2和题目4上同样失败。

金句：2026年的世界模型，就像一个"物理考试及格但不懂原理"的学生——能做对简单题，但遇到新题就暴露了。

世界模型"懂"物理吗？

这取决于你如何定义"懂"。

观点A（否定派）： 世界模型只是在"模仿"物理，而不是"理解"物理。它从视频数据中学习了"物体通常在重力作用下向下运动"的统计模式，但它没有学习"F=ma"这个物理定律。证据是：如果你给世界模型一个它从未见过的场景（如"在月球上打篮球"），它的表现会大幅度下降。

观点B（肯定派）： “模仿"就是"理解"的另一种形式。人类也不是通过"背诵F=ma"来理解物理的——我们通过"体验"和"观察"来建立物理直觉。世界模型从视频中学习物理直觉，这在本质上和人类学习物理没有区别。证据是：世界模型在"分布内"的物理预测上，已经达到了惊人的准确度。

2026年，世界模型和物理引擎的"联姻”

2026年，一个重要的趋势是：世界模型和传统物理引擎（如NVIDIA PhysX、Bullet、MuJoCo）正在"联姻"。

传统物理引擎的优点是"物理精确"——它们基于真实的物理公式（F=ma），不会产生"物理幻觉"。缺点是"视觉不真实"——它们生成的图像像"老式游戏"。

世界模型的优点是"视觉真实"——它们生成的视频像"真实世界"。缺点是"物理不精确"——它们会产生"物理幻觉"。

2026年，研究者正在将两者结合：用物理引擎确保"物理正确"，用世界模型渲染"视觉真实"。这可能是世界模型的"最佳组合"。

结论：世界模型正在从"模仿物理"走向"理解物理"。 但真正的"理解"需要的不只是更多的数据，而是"物理归纳偏置"——将物理定律嵌入到模型架构中。