至今，科技圈對「世界模型」仍未給出一個標準定義。但這不妨礙它成為當下最性感的敘事：
在VC眼中，它是驗證商業閉環的終極沙盤；在具身智慧賽道，它是讓機器人學會「走一步看三步」的預判大腦；而在元宇宙的廢墟之上，它被視為資訊載體從2D視訊向3D互動世界躍遷的最後一塊拼圖。
就在1月23日，據彭博社報道，李飛飛正在就其創辦的初創公司 World Labs 進行新一輪融資洽談，目標估值約為 50 億美元。
在這個概念還未被祛魅的時刻，中關村早期投資論壇找到幾位不同背景的先行者。他們不談虛無的共識，只求在視角的碰撞中，釐清這波AI新浪潮的真實商業脈絡。
由雷峰網(公眾號：雷峰網)總編輯林覺民主持的一場圓桌論壇上，英諾科創基金合夥人王晟、流形空間創始人武偉、VAST創始人宋亞宸以及千訣科技合夥人蔣屹舟齊聚一堂。這場對話並非爲了尋求某種平庸的共識，而是旨在呈現出一場關於世界模型討論。
圓桌論壇現場
以下是本次圓桌的深度對話實錄：
林覺民：請各位做一下簡單的自我介紹。
雷峰網總編輯林覺民
武偉： Manifold AI（流形空間），去年6月剛成立，專注世界模型，目前主攻具身大腦落地，用在機械和無人機上。
宋亞宸：VAST創始人，做AI 3D大模型，服務遊戲、動畫、影視這些需要"造世界"的場景。
蔣屹舟：千訣科技合夥人，今天本來是師兄（CEO）來，我們師兄弟三人一起創業，我臨時頂包。我們做家居場景的通用機器人類腦大腦，用類腦技術做決策和感知。
一、 概念定義：從模擬到預測
林覺民：聽說這場圓桌本來是要"幹仗"的，主要是目前行業內對於「世界模型」尚未形成統一的定義，有人要做具身智慧的世界模型，有人做數字空間的，Google Gemini3 又是一派。所以今天我們不凝聚共識，就各抒己見，百家爭鳴。
王晟（英諾科創基金）：
我們將世界模型視為特定領域內逼近「Ground Truth（地面真值）」的模擬系統。
它不一定要在物理上100%復刻真實世界，而是要定義一個「域（World）」，比如醫療、法律或具身智慧領域。在這個域中，模型能夠模擬出符合客觀規律的反饋。以醫療為例，如果模型能準確模擬出病人服藥後的生理指標變化，且無限接近真實結果，它就是該領域的優秀世界模型。其核心價值在於提供準確的反饋（Reward），強化AI的學習效率。
英諾科創基金創始人王晟
武偉（流形空間）：
我們的定義包含兩個關鍵詞：模擬與互動。即「用模擬的方式實現泛化的互動」。
目前行業內主要有三個流派：1.模擬器派： 如英偉達，主要用於雲端合成數據，輔助智慧體訓練；2.通用互動介面派： 如Google Gemini、World Labs，打造開放的可互動數字環境，偏向娛樂應用；3.具身大腦派（我們所選路線）： 讓機器人具備內生的推理和想象能力。不僅是模仿動作，而是通過大腦推演「如果我這樣做，世界會發生什麼變化」，從而指導實際操作。
流形空間創始人 武偉
林覺民：Manifold和蔣總都是做「大腦」的，我們現在是哪個路線，以及為什麼要選擇這樣的路線？
武偉（流形空間）：
準確說是foundation model 派 vs 內腦架構派。我們把世界模型當作機器人原生的 foundation model，建模物理空間移動和操作的內生認知，用一段式或兩段式端到端實現；千訣則是模擬人腦分割槽，用多個小模型/skills組合來降低功耗。
這種差異純粹是團隊基因決定的——我們是晟總 PPT 裡那批"CV 派+自動駕駛派"，我 2015 年加入商湯幹了十年，2021-2025 年在中國最早提出自動駕駛端到端和世界模型。這種背景讓我們必須 all in 端到端和資料的 scaling，而不是走小模型拼接的路線。
宋亞宸（VAST）：
李飛飛 World Labs 的 BP 裡唯一提到的公司就是我們，我還發給晟總偷看了。她定義世界模型三大場景：3D 生成、XR 空間智慧、機器人——前兩個纔是重點。
Luma（我們老同行，做 AI 3D 轉去做世界模型）剛融了 9 億美金，比李飛飛還多，估值 40 億。這說明世界模型確實是 AI 終局，但分兩層：一層是具身智慧讓機器人替代人類，這層很可怕——作為文科生，要是會寫小說，未來就是恐怖片。
另一層更重要：勞動力被解放後，人最終只能卷創意本身。當 AI 3D 讓人"造萬物"、AI Coding 讓人"定規則"，每個人都能零門檻創造虛擬世界——重力可以不是 9.8，你可以飛、可以重寫社會規則。這就是馬良的神筆，人人為我、我為人人的"天堂"。
未來人的價值，就看你創造的世界裏別人願意花多少時間。AI 讓人像神一樣創造世界級體驗，這纔是世界大模型的終局意義。
VAST創始人宋亞宸
林覺民：您這就是想造個"言出法隨"的東西？
宋亞宸（VAST）：必然的！未來每個人心想事成、言出法隨，就是馬良的神筆。
林覺民：快過年了，這話太應景了，不過宋總確實站得高，不僅是李飛飛 BP 裡唯一提到的公司，他自己也是 MiniMax 早期創始人，剛纔直接把世界模型定義成了整個 AI 的終局。
蔣屹舟（千訣科技）：
其實早年實驗室看世界模型，核心在於"理解世界"而非預測——就像牛頓看蘋果落地能推匯出萬有引力公式，或者AI只讀文字就能畫出世界地圖，這是一種對物理規律的底層抽象。
後來李飛飛帶火了"預測世界"，我們起初覺得"又來吹牛了"，這不就是十年前強化學習裡用的"視訊預測"換了個名字嗎？但後來發現對機器人確實關鍵——沒有理解就無法外推，比如疊大小不同的衣服，這種細微差別很難人工建模，必須讓模型具備底層認知才能做預測。
我們走類腦路線（非端到端的小模型組合），因為機器人不像GPT可以"思考十分鐘"，人看到機器人在等待會很痛苦。所以世界模型對我們來說是"一步三算、一步十算"，像CPU分支預測一樣提前推演各種可能性分支（比如回家打掃時遇到不同情況該怎麼走），現在主要用於決策環節，讓機器人具備真正的實時反應能力。
千訣科技創始人蔣屹舟
林覺民：所以蔣總我們其實已經把世界模型用在現實生活中了是嗎？
蔣屹舟：對，目前用的更多可能是決策環節，因為我們的決策是能夠一步三算的。
林覺民：李飛飛吹牛不怕，只要能實現，這個東西還是一個很好的願景。
二、 技術路線：端到端 VS 類腦架構
林覺民：世界模型路線五花八門，最後拼什麼才能跑出來？
王晟（英諾科創基金）：這個問題挺複雜的，世界模型現在更多是投資共識的"標籤"——就像之前必須投"具身智慧"一樣，現在必須投"基於世界模型的具身智慧"，這樣纔好交流、好決策。但細節層面其實一團亂麻，每家定義都不同，我作為投資人可以接受任何聽起來合理的定義。
真正決定勝負的只有一點：你能不能建立一套接近 ground truth 的驗證/模擬系統，能源源不斷產出高質量資料。 在 scaling law 的暴力美學下，資料是核心燃料，尤其在具身領域，corner case 資料直接決定機器人會不會像自動駕駛一樣出事故。這套系統產出的資料必須夠 scale、夠真實（能給你準確的 reward），同時分佈均衡（稠密和稀疏性平衡），才能訓練出既不過擬合也不稀疏的模型——核心還是歸到資料。
林覺民：武總是做「大腦」的，過去一個月發了兩個大腦模型，都宣稱自己是世界第一，想請武總聚焦具身大腦領域回答一下。
武偉（流形空間）：
商業公司活路就兩條：要麼 Day 1 有健康現金流，要麼燒錢但增長快、天花板高。世界模型顯然屬於後者，關鍵看三點：找對落地場景、增長夠快、天花板夠高。
我們選具身大腦作為第一個產品化方向。做個思維遊戲：人從出生到 18 歲，眼睛大概收集 300 萬 clips；掌握 2000 個工種，再攢 3 億 clips。人類一輩子能收集的資料天花板約 10 億 clips。 如果能用 10 億 clips 訓出世界模型，達到人的智慧化上限——簡單任務零樣本泛化，複雜任務幾十個樣本學會——這就是世界模型的終極天花板，商業價值極高。
倒推回來，做世界模型公司怎麼 survive？快速收集 10 億高質量資料、找到能 pre-train 的架構、泛化到零樣本/少樣本的應用場景——這三件事做到，就能在具身大腦這個狹窄賽道里跑出來。
宋亞宸（VAST）：
為什麼今天大家都在談論世界模型？並不是因為AI技術突然成熟了，也不是因為具身智慧到了某個時間點。根本原因在於，人類的資訊載體正在經歷一場終極升維。
回顧人類歷史，我們其實一直在做一件事：對「真實世界」進行壓縮。
在文字誕生前的史前文明（如良渚文化），人類接觸的是直接的、3D的大自然，那是「原檔案」。後來爲了便於傳播，我們不得不將這些3D體驗「壓縮」——先是壓縮成文字（龜殼刻字），再是圖片，直到1889年我們發明了視訊。視訊本質上依然是對3D世界的一種「ZIP壓縮包」。
當資訊密度越低（如文字），傳播越容易；當頻寬和算力提升，我們纔開始普及圖片和視訊。而到了AI時代，基礎設施終於足以支撐我們解壓這個「壓縮包」，讓我們重新回到3D和世界本身。
所以，世界模型不是新物種，而是資訊載體的「復原」。我們終於有能力不再處理壓縮後的視訊，而是直接以3D原檔案作為媒介。這纔是世界模型出現的真正意義。
林覺民：這個相當於是對資訊的利用效率？
宋亞宸：本質是傳播成本決定載體形式——資訊密度越低越易傳播，所以龜殼時代只能刻字，網際網路時代能傳圖文視訊。而 3D 或世界本身，纔是我們最終的資訊載體。
蔣屹舟（千訣科技）：
我們認為世界模型不侷限於視覺——盲人操作物體靠的不是看，而是對物理因果的理解（知道動作會帶來什麼後果，進而影響下一步決策）。這種對因果關係的把握纔是核心。
類腦路線採用非端到端架構，最大優勢是不需要暴力堆資料。現在 VLA 很頭疼的是必須靠機械臂瘋狂採集或模擬訓練，而我們認為可以用人類判斷代替——比如抓取物體，不必讓機械臂試成千上萬次，直接讓人判斷"人會怎麼抓"，把這套理解餵給模型就夠了。
另外，世界模型也不一定要理解整個自然世界，人類構建的抽象世界也算——語言就是人對世界的最根本抽象，LLM 已經證明了這一點。所以只要在任意層面具備對世界的理解和預測能力，就是世界模型。我們的工作會在各個模型裡融入這種思路，不侷限於單一技術路線。（雷峰網雷峰網雷峰網）