核心内容总结
这篇文章围绕AI领域的“世界模型”展开，指出当前大语言模型（如ChatGPT）因缺乏真实世界体验，在物理推理、空间规划等任务中存在致命短板；而“世界模型”作为能模拟现实后果的系统，被视为通向通用人工智能（AGI）的关键路径。文章还介绍了世界模型的认知科学渊源、商业落地进展（资本涌入、头部企业布局）、技术路线分歧（像素级重构vs抽象表征），以及它离AGI仍存在的诸多差距（时间抽象、元认知等）。
详细解读
1. 大语言模型的“致命短板：不懂真实世界的‘常识’
用一个简单例子就能看出来：问AI“杯子掉地上会怎样”，它会说一堆“重力势能”“应力波”的专业词，但五六岁小孩只会说“杯子碎了”。为啥？因为LLM（大语言模型）的核心是“预测下一个词”，靠海量文本训练，但它从来没亲眼见过杯子掉地上——没有真实世界的体验，就无法真正理解物理规律。
比如导航时，LLM能背出路线，但让它绕路就懵了（因为它只有文字描述，没有人类那种“心智地图”）；叠衣服这种日常任务，LLM更是完全不会——它只懂“描述”，不懂“现实”。这就是LLM的本质缺陷：它是“文字专家”，不是“现实专家”。
2. 世界模型：让AI像人一样“脑补”后果的系统
世界模型的 idea 来自1943年心理学家克雷克：人类大脑里有个“小模型”，能模拟不同行动的后果（比如想“杯子掉地上会碎”，就不会故意碰它）。后来的“预测加工理论”进一步说：人的感知就是不断预测世界，再用眼睛、耳朵的信息修正。
AI研究者想让AI也有这个能力：在行动前，先在内部模拟后果，避免现实中犯错。比如杨立昆（图灵奖得主）说：“没有预判能力的AI不算真智能——智能就是用想法替我们试错。”
3. 资本扎堆押注：世界模型成AI新赛道
最近两年，世界模型成了资本和巨头抢的香饽饽：
- 李飞飞（AI大牛）创办的World Labs融了2.3亿美元，做“空间智能”；
- 杨立昆离开Meta，创立AMI实验室融了10亿美元，专门搞世界模型；
- 谷歌DeepMind的Dreamer4系统，看了很多《我的世界》录像，能自己摸索采钻石（要几千步操作，比如收集资源、造工具）。
不过这些还都是原型：比如World Labs的Marble只是3D场景生成器，Genie3像游戏模拟器——离真正能做家务的机器人还差得远。
4. 技术路线打架：像素级还原vs抽象抓重点
现在有两条主要路线，吵得厉害：
- 像素级重构：比如Dreamer4，学的时候要还原每一个像素，力求精准模拟行动后的世界。好处是细节全，但数据需求大；
- 抽象表征：杨立昆的JEPA路线，不还原细节，只抓对推理有用的关键信息（比如杯子掉地上会碎，不用管每块碎片的位置）。好处是数据少，但问题是：抽象的信息够不够支撑复杂推理？比如V-JEPA2能学物体运动规律，但还没证明能支持开放环境的智能体。
两边各有道理：哈夫纳（Dreamer4负责人）觉得像素级也能学到抽象，杨立昆觉得抽象更高效。
5. 离AGI还差得远：缺的不只是世界模型
就算世界模型做得再好，离AGI（像人一样啥都能干的智能）还有很多坎：
- 时间抽象：AI现在只能预判下一秒，不能想“长期后果”（比如人类想“现在努力学习，以后找好工作”）；
- 元认知：AI不知道自己懂啥不懂啥——它乱回答也不知道自己错了；
- 多层因果和他人思维：人类能理解复杂因果（比如“因为下雨，所以路滑”），还能猜别人想啥（比如“他皱眉是因为生气”），但AI做不到。
专家说：世界模型是必要条件，但不是充分条件——AGI需要更多能力的组合。
最后一句话总结
世界模型是AI向AGI迈进的重要一步，但它不是“万能药”——要让AI真正像人一样思考，还有很长的路要走。