World Models
空间智能与视频生成仿真——为物理智能提供可交互、可预测的世界模型。
10 / 10 份 · 全部
理解世界还是预测未来？世界模型全面综述
Jingtao Ding、Chen Gao、Fengli Xu、Yong Li 等 · 清华大学电子工程系 FIB Lab · ACM Computing Surveys (CSUR) · 2025
清华 FIB Lab 发表于 ACM Computing Surveys 的世界模型总纲综述，把纷杂用法收敛为两条主线：一是作为外部世界的隐式表征服务于决策（模型基强化学习、语言模型骨干）；二是作为物理世界未来的预测器服务于模拟（视频生成式世界模型、可交互具身环境）。全文串起 Ha & Schmidhuber、Dreamer、TD-MPC2 到 Sora、Genie、Cosmos 的脉络，给出游戏、具身、城市、社会四大应用域与六类开放问题。
模拟真实世界——多模态生成模型统一综述
Yuqi Hu 等（通讯 Hui Xiong） · 香港科技大学（广州）/ 港科大 MMLab / 香港中文大学 / 清华大学 · IEEE TPAMI · 2026
IEEE TPAMI 综述，把「世界模拟器」按数据维度拆解：2D 生成负责外观，视频加入动态，3D 加入几何，4D 三者合一。它反对把图像、视频、3D、4D 视为独立领域，主张沿维度递进理解生成模型如何逼近真实世界，并整理各级算法、数据集与评测（FVD、VBench、T3Bench），指出长时程一致性、物理与因果合理性、多视角一致性等缺口。
通往自主机器智能之路
Yann LeCun（2018 图灵奖得主） · NYU Courant 研究所 / Meta FAIR · OpenReview 立场论文 v0.9.2 · 2022
LeCun 的世界模型纲领。提出全可微的模块化认知架构与 Mode-1／Mode-2 双回路，核心是 JEPA 与 H-JEPA：在抽象表征空间而非像素空间预测的非生成式世界模型。它是 I-JEPA、V-JEPA 系列的源头，也论证了「只靠 scaling」与「reward is enough」为何不够。
通用智能体必须拥有世界模型
Jonathan Richens（通讯） · Google DeepMind · ICML 2025（PMLR v267） · 2025
Google DeepMind 的形式化结论：任何能在多步复合目标上满足 regret 界的智能体，策略中必然编码了环境转移模型，并可被无监督算法抽取，误差随 regret 下降、目标深度增加而收敛；只追求单步目标的 myopic 智能体则不需要。通往通用智能体没有 model-free 捷径。
世界模型 8 图 2021–2026 · 8 节点 Google DeepMind · Jack Parker-Holder（项目负责人/Research Scientist，Open-Endedness Team）、Stephen Spencer（技术负责人）、Shlomi Fruchte
Genie 系列是 Google DeepMind Open-Endedness 团队自 2024 年起打造的"基础世界模型"（foundation world model）路线，从仅能生成 2D 可玩世界的 Genie 1，发展到能从单张图片生成可玩 3D 世界的 Genie 2，再到 2025 年支持实时交互、被称为"通往 AGI 的垫脚石"的 Genie 3，并于 2026 年初以 Project Genie 形式向消费者开放。同源的 SIMA / SIMA 2 项目则代表了"能在任意 3D 虚拟世界中执行指令的通用具身智能体"技术路线，两条线在 Genie 3 阶段已实现联动（SIMA 2 在 Genie 3 生成的世界中进行训练和评测）。
世界模型 8 图 2025–2026 · 10 节点 NVIDIA（NVIDIA Research / Deep Imagination Research Group / Spatial Intelligence Lab） · Jensen Huang（黄仁勋，创始人兼CEO，历次发布会主讲人
NVIDIA Cosmos 是面向"物理AI"（Physical AI）——即机器人与自动驾驶汽车——的世界基础模型平台，整合了生成式世界模型、视觉分词器（Tokenizer）、护栏（Guardrails）与加速视频处理流水线。黄仁勋在2025年1月CES上称其为机器人领域的"ChatGPT时刻"，此后平台以开放模型许可（Apache 2 / NVIDIA Open Model License / OpenMDW-1.1）持续快速迭代，衍生出 Cosmos Predict（世界生成/预测）、Cosmos Transfer（可控合成数据生成）、Cosmos Reason（时空推理）三大产品线，并于2026年推出统一多模态架构的 Cosmos 3。
世界模型 11 图 2024–2026 · 12 节点 World Labs（2024年4月成立，总部旧金山） · 李飞飞（Fei-Fei Li，创始人兼CEO）、Justin Johnson（联合创始人，前密歇根大学教授/Meta FAIR）、Ben Mildenhall（联合创始人，NeRF
World Labs由"AI教母"李飞飞于2024年联合三位计算机视觉/图形学领域顶尖研究者创立，主张"空间智能"（spatial intelligence）是继语言智能之后AI的下一前沿。公司致力于打造能够感知、生成、推理并与三维世界交互的"世界模型"（world model），核心产品Marble可将文本、图像、视频等多模态输入转化为可探索、可编辑、可导出的持久化3D世界。成立不到两年，World Labs已完成两轮重量级融资（总额约12.3亿美元），估值从10亿美元跃升至约50亿美元，投资方涵盖a16z、NEA、NVIDIA、AMD、Autodesk等。
世界模型 4 图 2022–2026 · 9 节点 原Meta FAIR（Fundamental AI Research）→ AMI Labs（Advanced Machine Intelligence Labs，总部巴黎，2026年） · Yann LeCun（图灵奖得主）、Alexand
Yann LeCun自2022年提出联合嵌入预测架构（JEPA）以来，在Meta FAIR主导了I-JEPA、V-JEPA、V-JEPA 2一系列"世界模型"研究，主张放弃像素/token级生成式预测，转而在抽象表征空间中学习物理世界的因果结构。2025年11月他因与Meta LLM商业化路线的分歧离职，2026年初携团队在巴黎创立AMI Labs，继续以JEPA为核心技术路线，并于2026年3月完成10.3亿美元种子轮融资（估值35亿美元），成为欧洲历史上最大种子轮之一。
世界模型 5 图 2021–2026 · 15 节点 智谱AI / Z.ai（国际品牌，2025年7月启用）；主体公司北京智谱华章科技有限公司，2026年更名为"智谱华章科技股份有限公司"（Knowledge Atlas Technology），港交所代码2513.HK · 张鹏（CEO）、唐
智谱AI成立于2019年6月，由清华大学计算机系知识工程实验室（KEG，成立于1996年）技术成果转化而来，是中国最早布局大语言模型的公司之一，被视为"中国版OpenAI"，产品矩阵覆盖GLM系列语言模型、CogView图像生成、CogVideoX视频生成及AutoGLM智能体。在视频生成方向，智谱自2022年开源CogVideo起持续迭代至CogVideoX/CogVideoX1.5，商业化产品为"清影"（Ying），技术上强调运动合理性与物理世界模拟能力的提升；不过截至目前，智谱官方并未将CogVideoX正式定位为对标NVIDIA Cosmos、DeepMind Genie的"世界模型"产品，其2026年的公开战略（"摸高计划"）聚焦长程任务、自主智能体等AGI方向，2026年WAIC具身智能/世界模型专场智谱亦罕见缺席，"潜在演进"更多体现在技术路线（3D因果VAE、时空建模、音画同步CogSound）而非官方话语层面。2026年1月，智谱在港交所上市，成为中国"AI六小龙"中首家完成IPO的大模型公司。
世界模型 3 图 2022–2026 · 15 节点 Vidu
北京生数科技股份有限公司（ShengShu Technology） · 朱军（清华大学人工智能研究院副院长、教授，创始人/首席科学家）、唐家渝（联合创始人，现任总裁）、鲍凡（联合创始人）、骆怡航（2025年3月加盟，现任CEO，原字节跳动火
生数科技成立于2023年3月，由清华大学人工智能研究院朱军团队孵化，核心技术源自团队2022年提出的U-ViT（Diffusion+Transformer融合架构）。公司先以视频生成大模型Vidu对标Sora并多次登顶国际榜单，2026年起明确提出"通用世界模型"（General World Model）技术路线，将视频生成技术延伸至具身智能/机器人领域，推出世界行动模型MotuBrain，覆盖"数字世界生成"与"物理世界行动"两端。
没有符合当前筛选条件的条目。