世界模型是AI新焦点，通过虚拟预演指导现实任务。技术路径多样，应用集中于自动驾驶、机器人及3D内容生成。数据与算力是主要瓶颈，中外模型能力差距正快速缩小。
【会议概要】
本次华创证券举办的“世界模型与物理AI”产业趋势电话会议，由无界AI联合创始人马天先生主讲，核心观点是：世界模型是继大语言模型之后AI发展的新焦点，其定义宽泛、技术路径多样，旨在让AI在虚拟世界中“预演”行动后果，以更好地指导现实世界的机器人、自动驾驶等任务。当前产业正从数据、技术、应用等多维度快速演进。
具体要点如下：
【会议实录】
主持人开场：
大家好。近期“世界模型”与“物理AI”成为市场关注的热点，相关投资标的也日益增多。今天我们非常荣幸地邀请到无界AI的联合创始人马天先生，为大家带来行业深度分享。马总也是浙江大学的兼职教授，在该领域有深厚的积累。下面有请马总。
马天先生分享：
大家好。今天我分享两部分：一是我们对世界模型和物理AI的行业观察，二是我们自身的一些探索。
一、世界模型的定义与兴起背景
“世界模型”目前尚无统一权威的定义，概念较为宽泛。一个被广泛引用的清晰定义来自黄仁勋：智能体在真实世界中试错成本高昂，因此应在内部世界（脑海）中模拟动作的后果，预想多种结果后再去执行。这类似于人类在行动前的“预演”。
世界模型近期火热，主要源于大语言模型发展遇到瓶颈：一是从GPT-3到GPT-4等，性能跃迁的速度在放缓；二是更关键的是，截至2025年，互联网上高质量的人类文本数据（如维基百科、权威论文）已基本被训练殆尽。然而，视频等多模态数据仍非常丰富，预计到2046年才会耗尽，这为世界模型提供了新的数据“燃料”。
二、主要技术路径与代表玩家
世界模型的技术路径非常多样。
三、核心应用场景
四、与大语言模型结合的另类路径
我们自身在探索一条不同的路径：利用大语言模型作为核心调度器（Agent），调用专业的物理仿真工具和科学数据集，来逼近世界模型的效果。例如，让大模型编写代码驱动机械臂，或调用Mathematica等工具进行科学计算与绘图。这种方法生成的科研模拟内容可编码、可精确控制与修改，不同于一次性生成式的世界模型，在需要严谨性的科研、教育领域有独特优势。
问答环节摘要：
Q1：世界模型最广泛的应用场景是什么？
A：目前看，自动驾驶和具身智能机器人是两大最明确、空间最大的应用方向。像群核科技（酷家乐）做家装领域的世界模型，是基于其原有业务数据的自然延伸。
Q2：中外模型能力差距在扩大还是缩小？
A：软件（模型能力）差距在急剧缩小。尤其在接入Agent后，体验差距可缩小至5%以内。硬件（算力）方面，国产卡在实际使用中占比仍不高（约5%），但可用性和服务生态正在快速改善。
Q3：如何看待Mistral的“邀请制”及其领先性？
A：Mistral的邀请制确实能一定程度防止数据蒸馏。从其技术报告看，它是在现有框架内做到了更大规模、更精细的训练（如代码能力极强），但并非代际颠覆。
Q4：世界模型训练需要什么样的数据？当前瓶颈是什么？
A：需要大量高质量的多模态数据，且很多需要经过专业处理（标注或融入物理规律）。当前瓶颈不在于普通数据，而在于稀缺、高质量的“优质数据”，例如自动驾驶中的极端案例、家装设计中的材质纹理细节等。这需要对数据进行的专业“处理”，而不仅仅是“标注”。
Q5：世界模型与物理模型是什么关系？
A：世界模型是一个更宽泛的概念，目标是能在广泛场景中模拟世界；物理模型则是在受限环境（如实验室）中严格遵守物理规律的理想化模型。世界模型的理想形态是无限逼近甚至成为物理模型。
Q6：世界模型对算力、存储的需求如何？
A：其训练和推理所需的算力远超纯文本大模型。虽然当前世界模型参数量可能小于语言模型，但随着数据问题解决，算力需求将指数级增长。推理时生成视频也比生成文字消耗更多算力。存储需求同样会大幅增加。
Q7：产业时间表？
A：自动驾驶和3D内容生成落地最快，具身智能是代表未来的方向。世界模型作为基础设施，其发展将赋能并重塑众多下游行业。
主持人总结：
感谢马总的精彩分享。今天的会议涵盖了世界模型的核心概念、技术路径、产业现状和应用展望。后续我们将持续跟踪，欢迎大家会后交流。会议到此结束，谢谢大家。
每日精选最新的重点行业研究纪要，欢迎各位老师动动发财的小手转发、点赞和收藏！
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。