AI专题从像素复刻到行动控制:具身世界模型的底层逻辑探索
今年以来,世界模型正在成为 AI 领域最受关注的方向之一。通用世界模型的生成能力在飞速演进:从几秒的场景补全到更长时间的连续视频生成,分辨率越来越高,动态细节越来越逼真。在许多通用生成模型的评估中,行业也逐渐形成了一条重要标尺:生成画面越接近真实像素,模型越容易被认为具备更强的世界模拟能力。 但在每天和真机打交道、盯着机器人落地成本的我们看来,这里存在一个容易被忽视的方向差异。能高清复刻世界的通用世界模型,并不必然等于能支撑机器人行动的具身世界模型。二者共享部分底层技术基础,但进入 Physical AI 之后,最终评价标准和部署约束会发生明显变化。 这并不是否定通用生成式世界模型的价值。恰恰