汽车行业深度报告AI系列深度13期：世界模型如何实现？

世界模型如何实现？

概念溯源与辨析

世界模型的概念源于三条相互独立的脉络：认知科学中的“小尺度现实模型”、系统动力学中的“全球系统动力学仿真”以及模型式强化学习与神经世界模型传统。三者虽在具体所指和技术目标上存在差异，但共同关注对环境状态及其演化规律的建模。在当前人工智能语境下，世界模型特指智能体用于预测行动后果，并支持规划与决策的内部环境模型。

各方图谱与分歧根源

世界模型在数字AI与物理AI领域同时升温。数字AI领域的主要参与者包括OpenAI、Google DeepMind、World Labs等，物理AI领域的主要参与者包括Wayve、NVIDIA、小鹏等。世界模型的分歧主要源于四个环节：预测空间（生成观测结果 vs 预测抽象状态）、输出真实性（视觉真实 vs 物理一致）、与动作结合方式（松耦合、训练级融合、架构级融合）以及产业落地进度。其中，生成式与非生成式JEPA的路线分歧是最核心的争议点。

本质分歧与路径分化

世界模型的核心问题是构建智能体的内部环境表征，使其能够理解当前状态、预测环境后续演化，并据此进行规划。分歧在于以何种技术路径解决该问题。生成式路线直接生成未来画面、观测或视频，而非生成式路线（JEPA）则在抽象表征空间中预测下一状态。生成式路线内部还可分为自回归和扩散两条实现路径。输出真实性方面，生成式路线可分为渲染器（强调视觉逼真）和模拟器（强调物理一致性）两类。与动作结合方式方面，世界模型可与动作模型松耦合、训练级融合或架构级融合。产业落地进度方面，生成式路线已出现量产或商业化样本，而非生成式路线尚处验证期。

落地视角与瓶颈

自动驾驶是世界模型落地最深的场景，形成了数据飞轮闭环：量产车队回传数据，云端世界模型重建和生成场景，策略在虚拟环境中训练与评估，再通过OTA回到车端形成数据飞轮。机器人需求强度最高但进展仍处早期。三大场景的瓶颈最终收敛到物理一致性不足、长时序不稳、评测无公认标准。

研究结论

数字AI底座模型发展路径已逐渐清晰，但其难以实现物理世界的建模闭环。物理AI将成为物理世界的AI解决方案，并在AI的当前发展阶段成为增量更大的方向。智能驾驶作为最先跑通闭环的代表场景，应重点关注。