李飞飞在讲，杨立昆在讲，英伟达也直接把它做成了产品。可问题恰恰在这里，同样叫“世界模型”，他们说的其实不是同一种东西。

　　英伟达想做的是能批量生成物理环境的仿真基础设施，李飞飞押注的是让机器真正理解三维空间和物体关系的空间智能，杨立昆追求的则是能够进行因果推理和长期规划的认知架构。

　　也就是说，外界口中的“世界模型”并不是一条统一的技术路线，如果你分不清，就很容易看不懂，为什么英伟达能先赚钱，为什么李飞飞更容易产品化，又为什么杨立昆的路线最远也最难。

　　而这股热潮已经不只是海外巨头的游戏。光是2026年4月，小鹏、阿里、腾讯就接连发布了各自的世界模型，国内玩家也在加速入场。但在跟风之前，更值得搞清楚的是：这个词背后的路线之争，到底在争什么？

　　英伟达的路线可以被总结为仿真基础设施（Simulation Infrastructure）。对于黄仁勋来说，“世界模型”不仅仅是一个理论，它必须是能跑在GPU阵列上的、基于物理规律的数字孪生环境。

　　在过去，物理交互数据的稀缺一直是机器人和具身智能发展的瓶颈。人类不可能在现实中让机器人摔倒一亿次来学习走路。英伟达的Cosmos及其背后的仿真体系，其核心逻辑就是利用合成环境（Synthetic Environments）来填补这一空白。

　　英伟达的目标是建立大规模的、基于物理规律的环境，用于训练、评估和运行物理AI系统，这主要体现在两个维度：

　　·物理模拟：它建模的是整个物理环境的运行规律，包括重力、摩擦力、碰撞等。

　　尽管战略分析师兼投资人娜塔莎·马尔帕尼（Natasha Malpani）认为，随着机器人公司积累大规模的真实交互数据，这种对仿真的极度依赖（即所谓“数据贫困的产物”）可能会终结，但目前来看英伟达依然稳坐“工业级创世者”的宝座。而且业界主流看法是，真实数据和合成数据是互补而非替代关系，仿真环境在极端场景测试以及安全验证方面的价值，绝不会因为真实数据的增长而消失殆尽。

　　李飞飞的目标是让机器拥有一个持久且准确的物理空间模型，赋予机器“深度”与“知觉”。这意味着机器需要理解三大核心要素：

　　·它们提供了什么“可供性”（Affordance，即物体对使用者所提供行动可能性）：例如，一个杯子是可以被抓取的，一张椅子是可以坐下的。

　　目前，李飞飞的路线被认为是最扎实的。她专注于建模物理世界中的对象及其空间关系。因为这种需求更窄、更可靠，自然也更易于在短期内实现商业化部署。

　　如果说英伟达在造“环境”，那么图灵奖得主杨立昆（Yann LeCun）则在尝试造“大脑”。他通过AMI Labs推进的是一种认知架构（Cognitive Architecture），追求因果而非概率。

　　杨立昆认为目前的AI只是在做预测而没有真正的规划。他心目中的“世界模型”是一个能够构建现实的因果模型，并能在此模型内部进行规划的系统。

　　AMI Labs的技术路线基于杨立昆提出的JEPA（Joint Embedding Predictive Architecture，联合嵌入预测架构）。与当前主流大模型逐字预测下一个词不同，JEPA的核心思路是在抽象的表征空间中预测事物的未来状态。它不预测下一个像素或下一个词，而是预测接下来会发生什么的整体模式。

　　为此，杨立昆构想了一个三位一体的架构方案。根据公开报道分析，杨立昆的路线包含三个核心组件，其中第三个在目前看来还堪比外星人的“黑科技”：

　　·筛选机制：这是目前最关键的一环。它是一种先验判断能力，用于决定哪些未来值得模拟、哪些根本不需要考虑。就像一位优秀棋手不会把每一步可能的走法都算一遍，而是直觉性地只关注少数有价值的选项。

　　这种机制是预测与真正规划之间的本质区别，目前还没哪个AI系统能做到这一点，这也是杨立昆路线被认为时间表最长、最难实现的根本原因。

　　为了更清晰地理解这“三场豪赌”的真实成色，我们不仅要看科学家说了什么，更要看他们做了什么、卖给了谁以及变现路径在哪里。

　　·英伟达（上帝视角）：建模的是“物理环境”。英伟达关注的是宏观的物理场，包括重力、摩擦力、流体力学以及复杂的光影反射。如果说AI是个赛车手，英伟达就是那个造赛车场和高精度模拟器的人。

　　·李飞飞（建筑师视角）：建模的是“物理对象”。她侧重于3D视觉和物体的空间属性。她关心的核心问题是“这个杯子是实心的吗？它在桌子的什么位置？它能被抓取吗？”她在为AI提供一双精准的眼睛和一副空间刻度尺。

　　·杨立昆（哲学家视角）：建模的是“物理逻辑”。他不关心像素级别的还原，他关心因果。他在想“如果我推了一下这个杯子，它会不会碎？”他在为AI构建逻辑思维和长期规划能力，即所谓的“数字心智”。

　　这是三者路线差异最显著的地方，简而言之就是英伟达已经在收割（变现），李飞飞正在冲刺（产品化），杨立昆还在打地基（科研期）。

　　·英伟达：基建之王的“算力飞轮”。落地实体是Cosmos平台，深度集成于Isaac Sim机器人仿真系统和Omniverse数字孪生平台。成熟度极高，这不是PPT而是已经跑通的工业管线。其Cosmos工具链已有约200万次下载。包括亚马逊仓储机器人优化、宝马数字化工厂都有应用，客户中不乏西门子等工业巨头。它的商业逻辑很霸道，通过卖仿真软件（软件订阅）带动GPU算力的销售，形成了完美的“基建闭环”。

　　·李飞飞：从实验室到创意工场的“闪电战”。落地实体是商业化平台Marble，已经于2025年11月上线。成熟度中等偏上，是目前最快将“世界模型”转化为C端/B端可感知产品的公司。李飞飞的World Labs已经拿到了10亿美元的估值，背后的投资方、CAD巨头Autodesk是其核心盟友。Marble平台允许设计师、游戏开发者通过文字或图片一键生成可编辑、可漫游的3D世界。这意味着它的首批“买单人”正是内容创作、建筑设计和虚拟影视从业者。

　　·杨立昆：仍处技术探索的深水区。落地实体是Meta内部的V-JEPA和I-JEPA系列研究模型。成熟度属于早期科研态，杨立昆坦言真正的产品可能还需要数年时间。目前AMI Labs没有外部商业客户，更多是通往AGI的技术储备。它更像是一场对现有Transformer架构模型的“拆迁重建”，虽然其研究在学术界引起巨大反响，但在商业变现上，它还是一个“远期愿景”。

　　成熟度看的是谁已经走得最远，而这里要看的是另一个问题：谁的下一段增长最确定？一个已经在赚钱的平台，不代表它的增长前景就一定比一个刚上线的新产品更清晰。关键在于市场需求的明确程度和护城河的持久性。

　　·李飞飞（短期）：任务定义最清晰。空间智能是刚需，无论是虚拟现实（VR/AR）还是3D设计，其产品路径最直，商业化节奏也最快。

　　·英伟达（中期）：立足防御。仿真平台虽然已经大规模使用，但随着真实物理数据（如无人机、自动驾驶真车数据）的指数级增长，其作为“唯一合成数据源”的护城河正面临挑战。英伟达必须持续迭代，保持仿真的不可替代性。

　　·杨立昆（长期）：AGI底层大考。他要解决的是AI的“常识”和“推理”。其中提到的“筛选机制”在目前的AI架构中几乎是空白，这不仅是技术的博弈，更是对AGI底层架构的十年大考。

　　·英伟达倾向于“暴力美学”：只要仿真环境够多、GPU堆得够高，智能就会在大规模模拟中“涌现”。

　　·李飞飞坚持“感知优先”：如果AI连3D空间和物体的“可供性”都搞不清楚，所谓的智能只是概率预测下的幻觉。

　　·杨立昆则是“架构至上”：他直言目前的模型只是高级的“复读机”。如果不引入因果推理和真正的规划，再多的数据也造不出像人一样的智慧。

　　“世界模型”不是一个单一的概念，而是三个完全不同的赛道。将这三者混为一谈，就像是把“造发动机的”、“造轮胎的”和“修路的”都统称为“造车的”。

　　正如马尔帕尼犀利指出的那样，虽然大家都在盖“世界模型”的大楼，但他们盖的根本不是同一栋建筑。把它们混为一谈，不仅会催生不必要的行业泡沫，更会让我们看不正的价值到底在何处积累。

　　AI行业在不断突破，而在这场狂飙中看清路线尤为重要。当下，如果你关心的是如何大规模训练机器人，看英伟达；如果你关心的是如何让AI线D生活空间，看李飞飞；如果你关心的是AI什么时候能拥有像人一样的逻辑推理和规划能力，看杨立昆。

　　与其说他们在竞争，不如说他们各自在解决让机器理解物理世界这个大问题中的不同子问题。英伟达解决的是在哪里练，李飞飞解决的是看到什么，杨立昆解决的是怎么想。这三条路线能不能最终汇合成通往AGI 的完整路径，现在还没有人知道。但至少，把它们分清楚，是看懂这场竞赛的第一步，也是不被世界模型这个词忽悠的第一步。。

　　央视调查暗黑动漫正侵蚀青少年：多平台公然传播被禁多年的《东京食尸鬼》，内容充斥绝望与暴力，伪装成0.3元可买的资源或超长风光片

　　特朗普称霍尔木兹海峡局势已结束，全球巨震：美股上涨，油价暴跌，黄金白银上涨

　　北京一商贩回收旧CT片月入近2万，“1公斤能提炼3到5克银”，影像科医生称有些医用胶片能提炼白银但需专业设备；律师：涉嫌违法

　　听说全上海人都来这看花了？连老外都来抢C位！赶紧码住这6个超嗲出片点→