kaiyun体育中国2026世界杯入口 刚刚，李飞飞躬行下场界说寰球模子

寰球模子火，火到皆有点乱了。

单单一个界说，就越来越众说纷繁：视频生成模子不错是寰球模子，能生成游戏的谈话模子也被叫寰球模子，还有东说念主把物理引擎也塞进这个筐里……

乱，乱得李飞飞本东说念主皆有点看不下去了。刚刚，她躬行撰文，给寰球模子来了个澄澈的功能分类。

用词绝不客气：寰球模子是现在东说念主工智能领域最热切也最被奢华的术语之一。

古希腊东说念主无法就寰球的组成完了共鸣，因为"寰球"从来不是一个单一的实体。东说念主工智能也接管了相通的问题，而此时，这个领域适值最需要的即是精确性。

至少，要先分清三件事：

渲染、模拟、贪图。

话未几说，飞速一说念来作念条记。

寰球模子的三大功能

李飞飞领先拆析了寰球模子的本领真谛。

智能体（东说念主、机器东说念主或系统）会接收步履，这些步履会影响寰球的情状。

所谓"情状"，是对某一特定时刻寰球所发生的一切的完整描摹，包括每一个物体、每一个位置、每一个速率和每一个属性。

不雅察是主体对这种寰球的客不雅实在的局部感知。步履是主体对这种实在的复兴。

主体→步履→情状→不雅察→复返，赋予了"寰球模子"以本领真谛。现在被称为寰球模子的各式事物，履行上是吞并个轮回的不同投射。

具体到功能上，李飞飞以为，寰球模子具有渲染、模拟、贪图三大功能。

其中，模拟器取得随和最少，但最舛错，是谄媚渲染和贪图的桥。

渲染器

渲染器输出给东说念主看的不雅察末端，中枢目的是视觉保真度。

谷歌的 Genie 3，以及李飞飞自家 World Labs 的 RTFM，皆属于渲染器。

这些模子自身并不具备对三维结构的明确剖析。它生成的是不雅众看到的画面，而不是履行存在的画面。

比如，AI 生成的无东说念主机航拍镜头中，建筑物从空中俯视可能竣工无瑕，但要是你开车穿过底下的城市，就会发现它们摇摇欲坠。

李飞飞以为，渲染器是咫尺交易上最锻真金不怕火的本领。比如 Nano Banana，即是风靡人人的代表。

局限性在于，渲染器优化的是视觉上的传神度，而非物理上的精确度。其输出末端至极吸睛，但无法用于建筑瞎想或机器东说念主考验这么与现实寰球结合更邃密的场景。

贪图器

贪图器输入不雅察和办法，输出下一步动作。

VLA 模子和新一代寰球动作模子皆属于贪图器，这些系统决定了机器东说念主在非结构化寰球中应该作念什么。

贪图器最诱骗东说念主，也最具发展后劲。具身智能就与此邃密关联，而普遍热钱也正在涌入这一措施。

但李飞飞指出，比年来好多令东说念主印象长远的机器东说念主演示，皆局限于高度受限的实验室环境，办法对象范围局促，任务周期短，无法在真实寰球部署所需的复杂性、可变性和捏续时辰下进行考证。

模拟器

模拟器输出可贪图、可交互的情状，kaiyun体育(中国)2026世界杯强调几何、物理、动态一致性。

模拟器要求几何结构经得起试验，在物理上妥贴物理定律，其能源学步履妥贴寰球运行的相貌。

模拟器同期业绩于两个用户群体：

建筑师、瞎想师、电影制作主说念主和游戏树立者等专科东说念主士需要卓绝视觉传神性的精确度。

强化学习智能体、机器东说念主遏抑器和自动驾驶等领域则将模拟器行动考验场，以大限制地与寰球交互，测试那些在现实中危急、好意思丽或不能能运行的场景。

李飞飞以为，模拟是谄媚渲染和贪图的桥梁。

要是说谈话是对寰球的概括，像素是对寰球的投影，那么几何、物理和能源学即是寰球自身。

而模拟器，恰是视觉外不雅（关于渲染器而言）和动作成果（关于贪图器而言）得以生成的结构骨架。

仿真模子不错将自身的剖析转机为像素图像供东说念主类使用，并推断实体智能体的步履。机器东说念主考验、自动驾驶测试、建筑可视化、工程瞎想和药物研发等皆依赖于某种仿真本领。

其交易运用前程极其强大，比如英伟达的 Omniverse 平台，就对准了这一超万亿好意思元的潜在商场。

问题在于，能用来考验模子器的数据太少了：具有明确几何花式、材料属性和物理标注的三维数据比渲染器考验所用的互联网视频少几个数目级。

模拟自身就与现实存在各别，而生成式模拟器还引入了新的风险：AI 生成的东西可能看起来正确，但细究起来又有好多不妥贴物理的所在。

大限制多物理场模拟（刚体、可变形物体、流体、布料互相作用……）的本钱更是比单域模拟普及几个数目级。

World Labs 自家家具 Marble 旨在冲破模拟措施的瓶颈：它相沿文本、图像、视频或空间草图等多模态输入，生成可探索 3D 环境，并输出 Gaussian splats 和可供物理引擎操作的碰撞网格。

但李飞飞也强调：Marble 只是是这一领域漫长发展流程的开首。

范围正在消融

李飞飞在这篇著述中的另一个舛错不雅点是：三类模子正在互相会通。

渲染一个寰球、模拟一个寰球、在一个寰球中步履，所需要的学问，在很猛进度上是吞并套学问。

举个例子：

要是一个模子果然剖析一个杯子是如何放在桌子上的，包括其几何结构、材料属性、受力反馈等等，那么它就应该简略从大肆角度渲染这个杯子，模拟杯子被鼓动时发生什么，并贪图一只手如何把它提起来。

这三类智商，其实是对吞并种底层剖析的三种投影。

近期运筹帷幄还是讲授，至少在看法上，一个预考验视频渲染器不错行动荟萃寰球推断和步履推断的主干收集。

这表露了渲染器和贪图器之间的一座桥梁：

让吞并个模子既想象接下来会发生什么，也想象接下来应该作念什么。

Marble 从单个模子中同期输出 Gaussian splats 和碰撞网格，即是渲染器和模拟器之间范围消融的一个体现。

每一个层级皆在从被迫输出，走向交互系统。渲染器正在变得以步履为要求。模拟器正在生成更可控、更可裁剪的寰球。贪图器则正在从单纯反馈，走向果然的审慎想考。

这个逻辑颠倒，是一个统一的寰球模子——

一个基础模子，既简略渲染相片级真实的视图，也能生成物理准确的结构，并贪图步履序列。

中枢的挑战仍然是数据。

渲染器领有海量互联网视频，但模拟器和贪图器却严重短少 3D 财富和机器东说念主演示数据。

追求视觉好意思感，可能会放置机器东说念主或高保真模拟所需要的精度。如安在单一架构中长入这些矛盾，是今天寰球模子运筹帷幄最中枢的洞开问题。

但李飞飞乐不雅地表露：标的还是很明晰了。

三条原来互相零丁的运筹帷幄踪影，如今各自还是驱动并塑造了数十亿好意思元级别的产业。而现在，它们驱动进展得像吞并件事。

当它们的范围共同塌缩，这种变化将重塑一个更大的问题：机器智能，和它所处的物理寰球之间的连络。

这即是空间智能的漫长曲线。谈话给了机器一种批驳寰球的相貌，而寰球模子，将是机器最终剖析、想象、推理并与寰球互动的相貌。

原文谄媚：

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

—  接待 AI 家具从业者共建  —

� �「AI 家具学问库」是量子位智库基于长期家具库跟踪和用户步履数据推出的飞书学问库，旨在成为 AI 行业从业者、投资者、运筹帷幄者的中枢信息要道与方案相沿平台。

一键随和 � � 点亮星标

科技前沿进展逐日见kaiyun体育中国2026世界杯入口