一个被神化但没人真正理解的概念
2026年，如果你在AI会议上提"世界模型"（World Model），所有人都会点头——“对，这是AGI的关键”。但如果你追问：“什么是世界模型？怎么判断一个AI有没有世界模型？你们公司有世界模型吗？"——大多数人会沉默。
世界模型是AI领域最被"神化"但最少被"定义"的概念。它被Yann LeCun列为AGI的"五大核心挑战"之一，被黄仁勋称为"AI的下一个前沿”，被OpenAI暗示Sora已经具备"初步的世界模型"。但2026年，真实的世界模型研究进展，远远落后于"炒作"。
金句：世界模型是AI界的"可控核聚变"——永远在"30年后"。但和核聚变不同的是，世界模型可能真的"不需要30年"。
什么是世界模型？三个层次的定义
层次一：物理常识。 一个球落地会弹起来，水会向下流，杯子打碎会变成碎片。AI需要理解物理世界的"因果规律"——不只是"相关"（correlation），而是"因果"（causation）。当前LLM的致命弱点：它们可以写出"一个球从桌子上滚下来"的物理公式，但如果你问"球在桌子边缘时，它会掉下去还是停住？"——LLM经常答错。
层次二：心理常识。 人类有"心智理论"（Theory of Mind）——我们理解他人有"信念"、“意图”、“情绪”，这些心理状态驱动行为。AI需要理解"为什么这个人会这样做"——不只是"这个人做了什么"（行为），而是"这个人为什么这样做"（动机）。这是AI理解"叙事"和"对话"的基础。
层次三：世界模拟。 世界模型的终极形态是"世界模拟器"——给定一个初始状态，AI可以预测未来所有可能的状态。这个能力是"规划"、“推理”、“决策"的基础。Sora的"视频生成"被OpenAI称为"世界模型"的雏形，因为它可以"模拟"物体在物理世界中的运动。但Sora的"模拟"经常出错——物体凭空出现、消失、变形。它学到了"像素之间的相关”，但没学到"物理世界的因果"。
2026年，世界模型研究的三条路线
路线一：从视频生成到世界模拟（OpenAI/Sora、Google/Veo）。 让AI看大量视频，学习"像素级"的世界规律。这条路线"快"——Sora已经可以生成逼真的视频——但"浅"——它学到的"理解"是表面的，不是深层的因果。
路线二：从3D重建到世界理解（具身智能、自动驾驶）。 让AI在3D环境中交互，学习"物理级"的世界规律。这条路线"深"——AI真正理解"物体在3D空间中的关系"——但"慢"——3D数据的获取成本远高于视频数据。
路线三：从因果推理到世界模型（Yann LeCun的JEPA架构）。 让AI学习"世界状态的抽象表示"——不是预测"像素"，而是预测"抽象状态"。这条路线"优雅"——理论上，它可以学习"高层次的因果"——但"远"——2026年，JEPA架构还处于"概念验证"阶段，远未达到实用水平。
金句：世界模型不是"一个模型"，而是"一组能力"——物理常识、心理常识、世界模拟。没人能同时做好这三件事，但每个人都在说自己"在做世界模型"。
世界模型还需要多久？
乐观估计：2028-2029年，AI将具备"初步的世界模型"——可以理解基本的物理常识，可以进行短期的世界模拟。悲观估计：2035年以后，世界模型仍然是"未解决的问题"。现实估计：2028-2030年，世界模型将在"特定领域"（自动驾驶、机器人、游戏）实现突破，但在"通用世界理解"上仍然有很长的路。
世界模型不是"画饼"，但也不是"圣杯"。它是AGI的"必要条件"，但不是"充分条件"。有了世界模型，AGI不一定来；但没有世界模型，AGI一定来不了。