世界模型是 AI 的下一個風口，但多數人把三件事當成了一件
世界模型被稱為 AI 的下一個風口，但渲染器、模擬器、規劃器三種其實是不同的東西。用一只杯子帶你看懂三種世界模型的差別，以及李飛飛為何看好最不起眼的那一種。
你最近大概也躲不掉「世界模型」這四個字。它被講成 AI 的下一個風口、語言模型之後的主戰場，每隔幾天就有新公司宣布自己在做。但你有沒有一種怪怪的感覺：每篇文章好像都在講世界模型，可是它們講的東西，兜不太起來。
我會想把這件事弄清楚，老實說是被煩出來的。同一個詞看到第十遍，還是一篇一個說法，我受不了這種「好像懂了、又好像沒懂」的狀態。
於是認真去看，才發現怪在哪。OpenAI 那種生成影片的模型叫世界模型；自駕車公司拿來練車的虛擬路況叫世界模型；實驗室裡學著抓杯子的機械手臂，背後跑的還是叫世界模型。同一個詞，被扣在三件看起來八竿子打不著的東西上。
這不是錯覺。連史丹佛的李飛飛都有點受不了，今年六月特地寫了篇文章想把話講清楚。她講得很坦白：世界模型大概是現在 AI 圈最重要、同時也最常被拿來亂套的詞之一，不同領域口中的它，根本不是同一回事。
同一個詞，怎麼會是三件事
遇到這種情況，大多數人的反應是去問：那到底哪一個才是「真正的」世界模型？
我一開始也想這樣問。但李飛飛的文章點醒我一件事——這個問法本身就錯了。世界模型不是一個被三家公司搶著定義的東西，它本來就有三種，各管一段不同的事。你會覺得混亂，不是因為有人在亂用，是因為大家把三種不同的東西，塞進了同一個名字裡。
所以與其追問哪個是正版，不如先學會把這三種分開。一旦分得開，那些看起來互相矛盾的報導，瞬間就各歸各位了。
先用一只杯子，把三種分開
我用桌上一只玻璃杯帶你走一遍，三種世界模型各自會怎麼對付這只杯子，你就懂了。
第一種，姑且叫它「畫家」（技術圈的正式名稱是 Renderer，渲染器）。它只在乎一件事：畫出來像不像。給它「午後陽光斜照進來，桌上一只玻璃杯」，它能生出一張逼真到能當桌布的圖，甚至一段你彷彿能走進去的場景。Google 的 Genie、World Labs 的即時生成系統都是這路數。但這位畫家有個罩門——它畫得出杯子晶瑩剔透的樣子，卻未必知道你手指一推，它到底會不會倒。它學的是「看起來對」，不是「物理上對」。
第二種，是「物理老師」（正式名稱 Simulator，模擬器）。它輸出的不是好看的畫面，而是這只杯子的底細：多重、什麼材質、被碰會滑開還是會碎、滑到桌緣會不會墜地。蓋房子的、做遊戲的、開發自駕車和機器人的，要的都是這種真懂物理的模型，不然算出來的東西沒人敢用。李飛飛把自家 World Labs 的 Marble 放在這一類，NVIDIA 那套 Omniverse 也在這附近。
第三種，叫它「行動派」（正式名稱 Planner，規劃器）。前兩種都還停在「理解」，這種要的是「動手」。給它一個畫面加一個目標——看到杯子、任務是拿起來——它得自己盤算手臂怎麼伸、從哪個角度抓才不會打翻。現在很熱的那些機器人決策模型，把「看到的、聽到的、要做的」串成一氣的系統，全是這一類。
一句話記住：畫家負責「會看到什麼」，物理老師負責「世界實際怎麼運作」，行動派負責「下一步該怎麼辦」。三種都叫世界模型，但從現在起，你聽到這個詞，第一個念頭該是「是哪一種？」
順帶一提，這套分法聽起來很潮，骨子裡卻老得很——它的根，是強化學習教科書幾十年前那張「角色對環境做動作、環境回饋、再決定下一步」的循環圖。新風口拆開來，不過是把老圖上的不同零件各自做大。記住這點，你就不太會被「劃時代突破」這種詞唬住。
但李飛飛看好的，是最不起眼的那一個
到這裡，混亂其實已經解決了。但真正有意思的事，才剛開始。
把三種分清楚之後，你會以為鎂光燈該打在最炫的畫家（畫面誰都看得懂）和最性感的行動派（機器人最被看好）身上。李飛飛偏不。她在三種裡，獨獨看好夾在中間、最少人談的「物理老師」。
她的理由是這樣：一個真把物理搞懂的模型，往一邊走能變成好看的畫面、往另一邊走能變成正確的動作；反過來，只會畫畫或只會做決定的模型，都補不回中間那塊對世界的真實理解。物理老師是橋。沒這座橋，畫面再漂亮、決策再聰明，兩端永遠接不起來。
這個判斷我自己越想越認同。我們現在被一堆「會生成超逼真影片」的 demo 餵得很飽，但那比較像一個越來越會畫畫的畫家，離真懂這個世界，其實還很遠。
只是這座橋最難蓋，難在沒料。網路上的影片要多少有多少，畫家靠它就能練得有聲有色；但「這只杯子重幾克、玻璃摩擦力多少、撞到會怎麼裂」這種標好物理性質的 3D 資料，得有人一筆一筆做出來，稀缺到跟影片差了好幾個數量級。更燒錢的是，光讓人戴著裝置一格一格示範給機器人看，業界估算單這樣採集，一小時就能燒掉好幾千美元。誰先把這關過了，誰大概就先摸到下一張門票。
所以下次有人說「我在做世界模型」
繞了一圈，這篇想留給你的，不是又一個要背的新名詞，而是一個能直接用的問題。
下次再看到哪家公司開記者會、慷慨激昂地宣布「我們正在打造世界模型」，你先別急著熱血、也別急著翻白眼，淡淡問一句：你做的，是會畫畫的、會算物理的、還是會做決定的那一種？光這一問，你看這件事的清楚程度，已經贏過新聞稿裡那一整排形容詞。
而且這招不只對世界模型管用。AI 這幾年每隔一陣子就丟出一個被講到爛、卻沒人說得清的詞——Agent、多模態、推理模型，下一個還不知道是什麼。每次新詞來襲，與其急著問「它是不是下一個風口」，不如先冷靜拆一句：這個詞底下，是不是其實塞了好幾件不一樣的事？能這樣問的人，永遠比追著熱詞跑的人，看得清楚一點。