汽车行业深度报告AI系列深度13期：世界模型如何实现？

AI系列深度13期：世界模型如何实现？ 2026年08月05日 增持（维持） 证券分析师黄细里执业证书：S0600520010001021-60199793huangxl@dwzq.com.cn ◼世界模型首先需要进行概念辨析：认知科学、系统动力学与人工智能均使用“世界模型”一词，但其所指对象和技术目标并不完全相同。其思想来源大致可分为三条脉络：一是Craik提出的心智内部“小尺度现实模型”，强调通过内部模拟预演行动并预测结果；二是Forrester以World2为代表的系统动力学传统，侧重通过外部计算模型模拟复杂系统及其长期演化；三是模型式强化学习与神经世界模型传统，Schmidhuber较早探索利用递归神经网络学习环境动态并支持规划，Ha与Schmidhuber进一步将环境压缩表征、动态预测与策略学习相结合。三者并非同一技术谱系，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，世界模型通常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。 ◼我们将世界模型分歧拆解为四个环节。第一，预测空间不同：生成式路线还原未来画面或视频，JEPA等非生成式路线只在抽象表征中预测。第二，输出要求不同：渲染器强调视觉真实，模拟器强调几何、物理和可计算一致性。第三，与动作结合方式不同：可作为数据工厂、闭环训练环境，也可进一步成为架构级融合组件。第四，落地阶段不同：内容型数字AI进展最快，自动驾驶闭环最深，机器人需求强度最高但仍处早期。 相关研究 《AI系列深度12期：从模块化到端到端》2026-08-04 《智能汽车主线周报：曹操出行开放Robotaxi无安全员测试，看好智能化》2026-08-03 ◼生成式与非生成式是当前最核心的路线分歧。LeCun等反对像素级生成，认为其存在容量浪费、画面模糊和误差累积等问题；生成式阵营则认为扩散和潜空间预测已部分化解上述问题，并能直接产出视频、合成数据和仿真环境。纯JEPA路线仍面临训练坍缩、可解释性不足、演示难度高和缺少中间产品等工程问题，因此产业侧目前更偏向生成式或混合式路线。 ◼落地上，自动驾驶是世界模型闭环最完整的场景：车队回传真实数据，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。Waymo World Model、NVIDIA Cosmos、Wayve GAIA、小鹏、理想、华为等均体现世界模型从复现样本走向生成未观测场景、制造长尾数据的趋势。 ◼世界模型能否从视觉真实进一步提升至物理一致，仍是其进入物理闭环的关键约束。三大瓶颈最终收敛到物理一致性不足、长时序不稳和评测无公认标准。场景误差容忍度决定世界模型当前可落地的边界；高风险数字场景和自动驾驶、机器人等物理闭环场景，都需要更严格验证。 ◼我们认为,数字AI底座模型发展路径已逐渐清晰、价值在于确定性，但其难以实现物理世界的建模闭环；我们认为物理AI将成为物理世界的AI解决方案，从而在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，我们认为应重点关注。 ◼风险提示：技术迭代不及预期的风险；大模型厂商ARR增速放缓的风险；云服务商资本开支不及预期的风险；智能驾驶及机器人商业化落地不及预期的风险。 内容目录 1.1.概念溯源：三条相互独立的脉络.............................................................................................41.1.1.认知科学脉络：内部现实模型.......................................................................................41.1.2.控制论/系统动力学脉络：全球系统动力学仿真.........................................................41.1.3.强化学习/AI脉络：环境动态预测模型........................................................................41.2.口径辨析：“谁第一个提出”与“谁让它流行”.........................................................................4 2.各方图谱：世界模型在数字AI与物理AI中同时升温.................................................................5 2.1.数字AI领域............................................................................................................................52.2.物理AI领域：自动驾驶..........................................................................................................62.3.物理AI领域：机器人与具身智能..........................................................................................62.4.学术界.........................................................................................................................................62.5.世界模型四类用法与分歧根源.................................................................................................7 3.本质分歧：在哪预测、预测什么、如何接动作..............................................................................8 3.1.本质框架：世界模型解决的共同问题.....................................................................................83.2.分歧环节一：生成观测结果还是预测抽象状态.....................................................................93.3.分歧环节二：视觉真实还是物理一致——渲染器与模拟器...............................................113.4.分歧环节三：如何与动作结合——兼谈世界模型与VLA的关系....................................123.5.分歧环节四：产业落地进度——理论与产业的落差...........................................................133.6.小结：共同问题、路径分化与收敛趋势...............................................................................14 4.落地视角：自动驾驶闭环最深，机器人仍处早期........................................................................15 4.1.落地总览：三大场景的要求与进展.......................................................................................154.2.自动驾驶：落地最深、闭环最完整.......................................................................................164.3.小结：落地次序与共同瓶颈...................................................................................................17 图表目录 图1：世界模型的本质与四个分歧环节...............................................................................................9图2：自动驾驶世界模型的数据飞轮闭环.........................................................................................17 表1：世界模型概念三条脉络对照.......................................................................................................5表2：世界模型四大流派归纳...............................................................................................................7表3：生成式vs非生成式JEPA逐项对比.....................................................................................10表4：生成式内部两条实现路径：自回归vs扩散.........................................................................11表5：物理AI里世界模型与“动作”的三种结合方式.....................................................................13表6：核心公司的世界模型路线坐标.................................................................................................15表7：三大场景对世界模型的要求与落地深度.................................................................................16 1.世界模型定义：同名异义背后的共同问题 从表征、网络结构、训练范式，到LLM、VLM、VLA与端到端系统，世界模型正在成为连接数字AI与物理AI的重要概念。其特殊性在于，不同场景都关注世界模型，但定义口径、技术目标和落地方式并不相同。 1.1.概念溯源：三条相互独立的脉络 1.1.1.认知科学脉络：内部现实模型 英国心理学家Kenneth J. W. Craik在《The Nature of Explanation》中提出，认知系统可携带一个“小尺度的现实模型”：若有机体在内部表征中携带外部现实及自身可能行动的小尺度模型（small-scale model），就能尝试不同备选方案、判断何者更优，并在未来情境发生之前作出反应。需注意，