当大型语言模型(LLM)的发展速度开始放缓，全球顶尖的人工智能公司正将目光投向一个全新的前沿领域——世界模型。这些系统旨在通过学习视频和机器人数据来理解和导航物理世界，而不仅仅局限于语言处理。谷歌DeepMind、Meta和Nvidia等科技巨头正投入巨资研发这一技术，希望借此在AI竞赛中取得领先优势。
LLM发展瓶颈：AI巨头寻找新突破口
近年来，尽管OpenAI、谷歌和埃隆·马斯克的xAI等公司投入巨额资金开发大型语言模型，但这些模型之间的性能提升速度正在放缓。这一现象促使AI行业重新思考技术发展方向，寻找能够推动AI向"超级智能"迈进的新路径。
"AI目前仍然很大程度上局限于数字领域，"谷歌DeepMind的Genie 3项目联合负责人Shlomi Fruchter表示，"通过构建看起来或行为类似于真实世界的环境，我们可以找到更具扩展性的方式来训练AI，而无需在现实世界中犯错造成真实后果。"
世界模型的兴起恰好回应了这一需求。这些系统通过真实或模拟环境的数据流进行训练，被视为推动自动驾驶汽车、机器人和所谓AI代理发展的重要一步。然而，它们需要大量数据和计算能力进行训练，并被认为是一个尚未解决的技术挑战。
巨头布局：世界模型的研发进展
过去几个月，多家AI公司相继公布了世界模型领域的多项进展，显示出这一领域日益增长的重要性。
Google DeepMind的Genie 3
上月，谷歌DeepMind预览了Genie 3模型，该模型能够逐帧生成视频，并考虑过去的交互。与传统一次性生成整个视频的模型不同，Genie 3采用逐步生成的方式，更接近人类的视觉感知过程。
"AI目前仍然很大程度上局限于数字领域，"Fruchter解释道，"通过构建看起来或行为类似于真实世界的环境，我们可以找到更具扩展性的方式来训练AI...无需在现实世界中犯错造成真实后果。"
Meta的V-JEPA模型
Meta正尝试模拟儿童通过被动观察周围世界进行学习的方式，利用原始视频内容训练其V-JEPA模型。由Meta首席AI科学家Yann LeCun领导的Facebook人工智能研究(Fair)实验室于6月发布了该模型的第二个版本，并已在机器人上进行了测试。
LeCun被誉为现代AI的"教父"之一，是新架构最坚定的倡导者之一。他警告称，大型语言模型永远无法实现人类那样的推理和规划能力。
值得注意的是，尽管LeCun对世界模型寄予厚望，但Meta首席执行官马克·扎克伯格最近已增加对顶尖AI人才的投入，一个精英团队正在努力推动其下一代Llama语言模型的突破。这包括雇佣数据标注公司Scale AI创始人Alexandr Wang负责Meta的所有AI工作，LeCun现在向Wang汇报。
Niantic的现实世界数据收集
要构建这些模型，公司需要收集大量关于物理世界的数据。总部位于旧金山的Niantic已经绘制了1000万个地点，通过其拥有3000万月活跃玩家的《Pokémon Go》等游戏收集信息。
Niantic运营《Pokémon Go》九年，即使在6月将游戏出售给总部位于美国的Scopely后，其玩家仍然通过扫描公共地标贡献匿名数据，以帮助构建其世界模型。
"我们在解决这个问题上有一个良好的开端，"Niantic Spatial(Scopely交易后公司的新名称)首席执行官John Hanke表示。
应用前景：从娱乐到制造业的全面变革
世界模型的潜在应用前景极为广阔，从娱乐行业到制造业和医疗保健等多个领域都可能因此发生变革。
娱乐行业的创新
世界模型在娱乐行业的应用已经初见成效。由AI先驱李飞飞创立的初创公司World Labs正在开发一种能够从单张图像生成游戏般3D环境的模型。
与好莱坞工作室(包括狮门影业)有合作的视频生成初创公司Runway上月推出了一款使用世界模型创建游戏场景的产品，能够实时生成个性化故事和角色。
"传统视频方法是一种强制性的像素生成方法，你试图在几帧中挤压动作来创造运动的错觉，但模型实际上并不真正了解或推理场景中发生的事情，"Runway首席执行官Cristóbal Valenzuela表示。
他补充说，先前的视频生成模型的物理规律与真实世界不同，而通用世界模型系统有助于解决这一问题。
工业与医疗领域的潜力
Nvidia副总裁Rev Lebaredian指出，世界模型的市场潜力巨大，几乎可与全球经济规模相媲美，因为它将技术引入制造业和医疗保健等物理领域。
"世界基础模型的机会是什么？基本上...如果我们能创造出一种能够理解物理世界并在其中运作的智能，那就是100万亿美元，"他说。
Nvidia的Omniverse平台创建并运行此类模拟，协助这家4.3万亿美元科技巨头向机器人领域迈进，并建立在视频游戏中模拟现实环境的长期历史基础上。
Nvidia首席执行官黄仁勋已断言，公司的下一个主要增长阶段将伴随着"物理AI"的到来，新模型将彻底改变机器人领域。
技术挑战与未来展望
尽管世界模型展现出巨大潜力，但要实现其全部愿景仍面临诸多挑战。Meta的LeCun等人表示，这种新一代AI系统为机器提供人类级别智能的愿景可能需要10年时间才能实现。
然而，AI专家认为，尖端技术的潜在范围极为广泛。Nvidia的Lebaredian表示，世界模型"为服务所有其他行业打开了机会，并放大了计算机对知识工作所做的同样事情。"
随着技术的不断进步，世界模型有望成为AI发展的重要方向，推动人工智能从数字世界走向物理世界，实现更广泛的应用和更深层次的理解。这一转变不仅将重塑AI行业格局，还将对人类社会产生深远影响。
