不是什麼都叫"世界模型",李飛飛給出新定義

2026-06-05 | 來源: 騰訊科技 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

斯坦福大學AI科學家、World Labs創始人李飛飛。圖片經由AI處理

文丨謝瑞瑞

編輯丨徐青陽

“世界模型”是過去兩年AI領域最常被提及的概念之一，但它的含義正在變得越來越模糊。

視頻生成模型、語言模型，甚至連物理引擎都能自稱是世界模型。

斯坦福大學AI科學家、World Labs創始人李飛飛於6月4日撰文，專門回應這種混亂。她開篇便給出判斷：世界模型是當今AI領域最重要、也最被濫用的術語之一。

她在文中寫道，連古希臘人都沒給“世界”下過一個統一、公認的定義。“世界”從來不是一個具體的事物，今天，AI也繼承了同樣的問題——世界模型的邊界在哪裡？

李飛飛的解決思路很明確：先分清世界模型的三個核心功能——渲染、模擬、規劃。

01 理解世界模型的鑰匙，是一張舊圖

在展開論述之前，李飛飛先回顧了一張在強化學習領域使用了幾十年的框架圖：部分可觀測馬爾可夫決策過程（Partially Observable Markov Decision Process，POMDP）。這個框架的名稱很復雜，但邏輯卻簡明。

北大學者饒毅:中國學術不端比例世界歷史空前

SpaceX真正的"定海神針"不是馬斯克

維C不是仙丹!過量可能出現4大中毒症狀

李飛飛將目前的世界模型系統分為三類，分別是渲染器、模擬器以及規劃器

它描述的是一個循環：智能體采取行動，行動改變世界的狀態，智能體從環境中獲得觀測值，再依據觀測采取下一步行動。循環持續進行。

文中的“狀態”，指的是物理學和機器人學中的概念：在某個時刻對世界狀況的完整描述，涵蓋每一個物體、每一個位置、每一組速度和每一項屬性，對身處其中的任何智能體而言，永遠無法被完全直接感知。我們能得到的，只是對現實的部分觀測。

李飛飛進一步指出，這個由“智能體—行動—狀態—觀測—回到智能體”構成的閉環，賦予了現代世界模型真正的技術內核。

“世界模型”概念，最早可以追溯到1943年，由心理學家肯尼斯·克雷克（Kenneth Craik）在1943年提出，即大腦通過運行現實的“小規模模型”來進行推理。到了20世紀80年代末、90年代初，這個概念被引入神經網絡研究。而今天，所有被稱為世界模型的事物，本質上都是同一個循環在不同方向上的投影，每一類只輸出循環中的一個片段。

02 三類世界模型：渲染器、模擬器與規劃器

李飛飛認為，當前所有自稱世界模型的系統可分為三類：渲染器、模擬器和規劃器。

第一類世界模型是渲染器。它的輸出是供人眼觀看的像素，核心評估指標是視覺逼真度。