1921年，哲学家维特根斯坦在《逻辑哲学论》中写下：“世界是所有发生的事情的总和。”一百多年后，这句话被AI领军人物李飞飞引用，成为她最新技术博客的开篇。从古希腊哲人追问世界由水、火还是原子构成，到今天AI科学家争论机器是否该在脑中构建一个“小宇宙”，“世界模型”这个概念，正从哲学书架走向技术战场。

一、哲学与科学的千年追问：世界是什么？

“世界模型”的思想最早可追溯至1943年。年仅29岁的苏格兰心理学家肯尼斯·克雷克提出一个颠覆性的设想：如果有机体在脑中携带一个外部现实的“小尺度模型”，它就能在行动前先行推演各种可能，从而做出更安全、更明智的反应。这个“心智模型”的雏形，将认知与计算直接联系在一起。

哲学上对此的讨论更为深邃。一种主流观点认为，我们谈论的“世界”其实是一个概念或概念模型。自然科学只是众多解释体系中的一套——它能解释经验世界中的许多现象，却无法给数学定理、意识或文化价值一个“物质性”的统一解释。既然单一世界模型无法满足我们全部的认知需求，为什么不使用多个世界模型呢？我们可以在讨论欧氏几何时使用几何世界模型，在讨论经验事物时使用经验世界模型。

二、AI实验室里的新战场：什么是“世界模型”？

进入AI时代，世界模型从哲学思辨变成了技术蓝图。2025年以来，它成为AI领域最热也最混乱的概念。OpenAI管视频生成模型Sora叫“世界模拟器”；谷歌的Genie让你在生成的画面里行走，也叫世界模型；机器人公司在做世界模型；英伟达说Omniverse是世界模型的基础设施。大家都在用同一个词，说的却完全不是一回事。

世界模型更正式的定义是一种交互式预测模型——它根据动作来模拟时空环境。大语言模型预测句子中的下一个词，世界模型预测下一个状态。它是对一个有边界、会演化的过程所做的可执行有损压缩。

李飞飞提出了一个简洁的分类法：所谓世界模型，其实是同一个“智能体-环境”闭环的三种不同投影。输出像素（观测）的是渲染器，输出状态的是模拟器，输出动作的是规划器。渲染器商业化最成熟，但好看不等于物理正确；模拟器是被严重低估的关键枢纽；规划器最令人兴奋，但离真实部署最远。

三、机器真的“理解”世界吗？

世界模型研究的核心假设是：如果AI能在内部表征中模拟外部世界的因果过程，而不仅仅是统计相关性，就意味着它真正“理解”了世界。

现实远没有那么理想。如今的生成式AI更像在学习“启发式集合”——成百上千条互不关联的经验法则，能在特定场景给出近似应对，却无法整合成一个自洽的整体。一个视频模型能生成华丽的火焰，但在物理上完全不可能；它能生成一座宏伟建筑，如果试图在其中交互，建筑会因缺乏支撑结构而瞬间坍塌。

对此，有学者尖锐地指出：世界模型框架本身可能就不足以刻画人类水平的理解。AI或许确实能发展出理解能力，但那可能通过完全不同于“世界模型”的机制实现。

四、为什么这很重要？

杨立昆、哈萨比斯、本吉奥等AI领域的顶尖人物都认为，世界模型是通往真正智能、安全AI的必经之路。数十亿美元正涌入这个赛道——李飞飞的World Labs融资超10亿美元，杨立昆的AMI融资10.3亿美元。

世界模型之所以关键，是因为它提供了一条大语言模型无法提供的路径。大语言模型从海量文本中学到了世界有结构，但那些知识不是来自体验。语言是对现实的一种极度有损的压缩。只有能模拟物理规律、预测行动后果的世界模型，才能让AI真正踏入人类的物理世界。

回到最初的问题：世界是个什么模型？答案或许不止一个。我们可以为不同的目的构建不同的世界模型——经验世界模型、物理模型世界、欧氏几何世界。正如李飞飞所说：“世界不是由文字构成的。”无论哲学思辨还是技术实现，“世界模型”的终极追问始终如一：我们如何理解现实，以及——机器能否以同样的方式理解它？