天下模子火，火到齊有點亂了。

單單一個界說，就越來越眾說紛繁：視頻生成模子不錯是天下模子，能生成游戲的談話模子也被叫天下模子，還有東說念主把物理引擎也塞進這個筐里……

亂，亂得李飛飛本東說念主齊有點看不下去了。剛剛，她躬行撰文，給天下模子來了個浮現(xiàn)的功能分類。

用詞絕不客氣：天下模子是現(xiàn)在東說念主工智能領(lǐng)域最進犯也最被虛耗的術(shù)語之一。

古希臘東說念主無法就天下的組成已畢共鳴，因為"天下"從來不是一個單一的實體。東說念主工智能也秉承了相通的問題，而此時，這個領(lǐng)域趕巧最需要的便是精確性。

至少，要先分清三件事：

渲染、模擬、計議。

話未幾說，趕快一說念來作念札記。

天下模子的三大功能

李飛飛當先拆析了天下模子的時間真諦真諦。

智能體（東說念主、機器東說念主或系統(tǒng)）會攝取行動，這些行動會影響天下的情景。

所謂"情景"，是對某一特定時刻天下所發(fā)生的一切的完整姿色，包括每一個物體、每一個位置、每一個速率和每一個屬性。

不雅察是主體對這種天下的客不雅確鑿的局部感知。行動是主體對這種確鑿的修起。

主體→行動→情景→不雅察→復返，賦予了"天下模子"以時間真諦真諦。現(xiàn)在被稱為天下模子的多樣事物，內(nèi)容上是團結(jié)個輪回的不同投射。

具體到功能上，李飛飛合計，天下模子具有渲染、模擬、計議三大功能。

其中，模擬器得到眷注最少，但最重要，是勾通渲染和計議的橋。

渲染器

渲染器輸出給東說念主看的不雅察收尾，中樞計議是視覺保真度。

谷歌的 Genie 3，以及李飛飛自家 World Labs 的 RTFM，齊屬于渲染器。

這些模子本人并不具備對三維結(jié)構(gòu)的明確會通。它生成的是不雅眾看到的畫面，而不是內(nèi)容存在的畫面。

比如，AI 生成的無東說念主機航拍鏡頭中，建筑物從空中俯視可能完整無瑕，但若是你開車穿過底下的城市，2026世界杯競猜中國官網(wǎng)就會發(fā)現(xiàn)它們搖搖欲墜。

李飛飛合計，渲染器是面前買賣上最熟習的時間。比如 Nano Banana，便是風靡公共的代表。

局限性在于，渲染器優(yōu)化的是視覺上的傳神度，而非物理上的精確度。其輸出收尾荒謬吸睛，但無法用于建筑遐想或機器東說念主教師這么與實際天下結(jié)合更淡雅的場景。

計議器

計議器輸入不雅察和想法，輸出下一步動作。

VLA 模子和新一代天下動作模子齊屬于計議器，這些系統(tǒng)決定了機器東說念主在非結(jié)構(gòu)化天下中應(yīng)該作念什么。

計議器最誘騙東說念主，也最具發(fā)展后勁。具身智能就與此淡雅酌量，而多半熱錢也正在涌入這一步調(diào)。

但李飛飛指出，比年來好多令東說念主印象深切的機器東說念主演示，齊局限于高度受限的實驗室環(huán)境，想法對象范圍窄小，任務(wù)周期短，無法在簡直天下部署所需的復雜性、可變性和抓續(xù)時當前進行考據(jù)。

模擬器

模擬器輸出可計較、可交互的情景，百家樂IOS/安卓通用版/手機APP下載強調(diào)幾何、物理、動態(tài)一致性。

模擬器要求幾何結(jié)構(gòu)經(jīng)得起鍛練，在物理上順應(yīng)物理定律，其能源學活動順應(yīng)天下運行的款式。

模擬器同期做事于兩個用戶群體：

建筑師、遐想師、電影制作主說念主和游戲豎立者等專科東說念主士需要超越視覺傳神性的精確度。

強化學習智能體、機器東說念主截止器和自動駕駛等領(lǐng)域則將模擬器手腳教師場，以大范圍地與天下交互，測試那些在實際中危急、不菲或不成能運行的場景。

李飛飛合計，模擬是勾通渲染和計議的橋梁。

若是說談話是對天下的輪廓，像素是對天下的投影，那么幾何、物理和能源學便是天下本人。

而模擬器，恰是視覺外不雅（關(guān)于渲染器而言）和動作成果（關(guān)于計議器而言）得以生成的結(jié)構(gòu)骨架。

仿真模子不錯將自身的會通革新為像素圖像供東說念主類使用，并斟酌實體智能體的活動。機器東說念主教師、自動駕駛測試、建筑可視化、工程遐想和藥物研發(fā)等齊依賴于某種仿真時間。

其買賣哄騙出息極其盛大，比如英偉達的 Omniverse 平臺，就對準了這一超萬億好意思元的潛在阛阓。

問題在于，能用來教師模子器的數(shù)據(jù)太少了：具有明確幾何步地、材料屬性和物理標注的三維數(shù)據(jù)比渲染器教師所用的互聯(lián)網(wǎng)視頻少幾個數(shù)目級。

模擬本人就與實際存在各異，而生成式模擬器還引入了新的風險：AI 生成的東西可能看起來正確，但細究起來又有好多不順應(yīng)物理的所在。

大范圍多物理場模擬（剛體、可變形物體、流體、布料互相作用……）的資本更是比單域模擬卓越幾個數(shù)目級。

World Labs 自家居品 Marble 旨在沖破模擬步調(diào)的瓶頸：它撐抓文本、圖像、視頻或空間草圖等多模態(tài)輸入，生成可探索 3D 環(huán)境，并輸出 Gaussian splats 和可供物理引擎操作的碰撞網(wǎng)格。

但李飛飛也強調(diào)：Marble 只是是這一領(lǐng)域漫長發(fā)展經(jīng)過的來源。

范疇正在消融

李飛飛在這篇著作中的另一個重要不雅點是：三類模子正在互相交融。

渲染一個天下、模擬一個天下、在一個天下中行動，所需要的常識，在很猛進程上是團結(jié)套常識。

舉個例子：

若是一個模子簡直會通一個杯子是何如放在桌子上的，包括其幾何結(jié)構(gòu)、材料屬性、受力響應(yīng)等等，那么它就應(yīng)該大致從隨心角度渲染這個杯子，模擬杯子被鼓吹時發(fā)生什么，并計議一只手何如把它提起來。

這三類智力，其實是對團結(jié)種底層會通的三種投影。

近期商討一經(jīng)評釋注解，至少在意見上，一個預教師視頻渲染器不錯手腳搭伙天下斟酌和行動斟酌的主干收集。

這示意了渲染器和計議器之間的一座橋梁：

讓團結(jié)個模子既假想接下來會發(fā)生什么，也假想接下來應(yīng)該作念什么。

Marble 從單個模子中同期輸出 Gaussian splats 和碰撞網(wǎng)格，便是渲染器和模擬器之間范疇消融的一個體現(xiàn)。

每一個層級齊在從被迫輸出，走向交互系統(tǒng)。渲染器正在變得以行動為要求。模擬器正在生成更可控、更可剪輯的天下。計議器則正在從單純響應(yīng)，走向簡直的審慎念念考。

這個邏輯止境，是一個統(tǒng)一的天下模子——

一個基礎(chǔ)模子，既大致渲染像片級簡直的視圖，也能生成物理準確的結(jié)構(gòu)，并計議行動序列。

中樞的挑戰(zhàn)仍然是數(shù)據(jù)。

渲染器領(lǐng)有海量互聯(lián)網(wǎng)視頻，但模擬器和計議器卻嚴重窮乏 3D 財富和機器東說念主演示數(shù)據(jù)。

追求視覺好意思感，可能會摒棄機器東說念主或高保真模擬所需要的精度。如安在單一架構(gòu)中和解這些矛盾，是今天天下模子商討最中樞的怒放問題。

但李飛飛樂不雅地表露：標的一經(jīng)很明晰了。

三條底本互相零丁的商討陳跡，如今各自一經(jīng)驅(qū)動并塑造了數(shù)十億好意思元級別的產(chǎn)業(yè)。而現(xiàn)在，它們運轉(zhuǎn)闡發(fā)得像團結(jié)件事。

當它們的范疇共同塌縮，這種變化將重塑一個更大的問題：機器智能，和它所處的物理天下之間的相關(guān)。

這便是空間智能的漫長曲線。談話給了機器一種挑剔天下的款式，而天下模子，將是機器最終會通、假想、推理并與天下互動的款式。

原文薈萃：

https://x.com/drfeifei/status/2062247238143996275

— ?迎接 AI 居品從業(yè)者共建 ?—

? ?「AI 居品常識庫」是量子位智庫基于永恒居品庫跟蹤和用戶活動數(shù)據(jù)推出的飛書常識庫，旨在成為 AI 行業(yè)從業(yè)者、投資者、商討者的中樞信息要道與方案撐抓平臺。

一鍵眷注 ? ? 點亮星標

科技前沿進展逐日見百家樂2026世界杯中國官方下載