物理AI產(chǎn)業(yè)鏈中世界模型的技術(shù)路線與數(shù)據(jù)層合成數(shù)據(jù)的作用是什么？

世界模型是物理AI發(fā)展的引擎，學(xué)界及業(yè)界對(duì)其定義不一。參考李飛飛的分類(lèi)，世界模型能處理多模態(tài)輸入，創(chuàng)造遵守物理定律的世界，并按輸出分為三類(lèi)：

第一類(lèi)是渲染器，追求視覺(jué)保真，對(duì)三維結(jié)構(gòu)沒(méi)有顯式理解，輸出給人眼看的像素。代表模型如OpenAI Sora、谷歌Genie系列。其優(yōu)勢(shì)是訓(xùn)練數(shù)據(jù)相對(duì)易得、適用于Scaling Law，但不足在于不是真正理解世界，能力難以直接移植到機(jī)器人或決策系統(tǒng)中。

第二類(lèi)是模擬器，關(guān)注物理結(jié)構(gòu)，輸出在幾何、物理和動(dòng)力學(xué)層面忠實(shí)的世界表征。代表包括英偉達(dá)Cosmos 1系列、World Labs Marble。該路線能更真實(shí)地還原世界，但難度和成本均更高。

第三類(lèi)是規(guī)劃器，給定觀察和目標(biāo)，輸出“下一步該做什么”，指導(dǎo)物理載體與現(xiàn)實(shí)世界互動(dòng)。代表模型如谷歌Gemini Robotics 1.5系列。其優(yōu)勢(shì)是可復(fù)用數(shù)字AI領(lǐng)域的技術(shù)積累，難點(diǎn)在于滿足可靠性及海量訓(xùn)練數(shù)據(jù)需求。

目前，三類(lèi)模型正相互融合進(jìn)化為真正的世界模型，如英偉達(dá)Cosmos 3嘗試用單一模型架構(gòu)統(tǒng)一多種數(shù)據(jù)。此外，楊立昆提出的JEPA架構(gòu)也是一種遠(yuǎn)期愿景，旨在建模“物理邏輯”。

在數(shù)據(jù)層，物理AI數(shù)據(jù)需求量遠(yuǎn)高于大語(yǔ)言模型。據(jù)覓蜂科技數(shù)據(jù)，全球高質(zhì)量物理數(shù)據(jù)僅約50萬(wàn)小時(shí)，而GPT-5級(jí)別大模型訓(xùn)練語(yǔ)料折算超100億小時(shí)，差距達(dá)數(shù)萬(wàn)倍。真機(jī)實(shí)采數(shù)據(jù)質(zhì)量高，但綁定本體形態(tài)，成本高，難以規(guī)模化。基于真實(shí)數(shù)據(jù)的仿真合成數(shù)據(jù)可控制誤差，覆蓋長(zhǎng)尾場(chǎng)景，邊際成本低，可用于快速擴(kuò)展訓(xùn)練規(guī)模。因此，仿真合成數(shù)據(jù)被視為物理AI跑通的必經(jīng)之路，率先定義仿真環(huán)境和評(píng)測(cè)體系的系統(tǒng)有望成為物理AI時(shí)代的基礎(chǔ)設(shè)施。