天下模子是自去年以来人工智能领域的热词，，，，，，
，不但备受追捧，，，，，，
，且保存多种手艺蹊径。。。作为天下模子的领武士物之一，，，，，，
，AI科学家李飞飞6月4日与其开办的World Labs团队在美海内容宣布与订阅平台substack上揭晓题为《天下模子的功效分类：渲染器、模拟器、妄想器，，，，，，
，以及毗连它们的循环》的长文，，，，，，
，试图厘清2025年以来“天下模子”这个看法在使用上的杂乱。。。 李飞飞体现，，，，，，
，大语言模子让机械学会了遣词造句和逻辑推理，，，，，，
，但物理天下运行的底层逻辑完全差别。。。语言模子学的是文本的统计纪律，，，，，，
，而天下模子学的是时空的统计纪律，，，，，，
，好比光怎么照在物体上、工具受力后怎么运动。。。 正由于涉及物理天下，，，，，，
，盘算机视觉、机械人、强化学习、天生式AI等领域都在用“天下模子”这个词。。。一个能天生火焰视频的模子、一个能凭空天生可玩游戏的语言模子、一个能准确模拟燃烧历程的物理引擎，，，，，，
，现在都被叫作天下模子，，，，，，
，但它们现着实做三件完全差别的事：渲染、模拟和妄想。。。其中，，，，，，
，模拟器获得的公众关注最少，，，，，，
，却可能是让AI真正明确物理天下的基础。。。 第一种天下模子是渲染器。。。渲染器的使命是把信息转成人眼能看的像素，，，，，，
，唯一标准是视觉上够不敷逼真。。。不管是输入一句话就能天生航拍镜头的视频模子，，，，，，
，照旧谷歌的Genie 3、World Labs自研的RTFM这种能凭证用户操作实时天生画面的交互式系统，，，，，，
，都属于渲染器。。。这也是现在商业化跑得最快的偏向，，，，，，
，谷歌的相关模子已经通过手机应用送到了数亿用户手里。。。 但它只管“看起来像”，，，，，，
，不管“现实上对差池”。。。例如AI天生的航拍镜头，，，，，，
，从天上看都会修建群完善无瑕；；；；；但若是想开车在街道里穿行，，，，，，
，修建物的结构就会袒露出种种过失，，，，，，
，瞬间崩塌。。。 由于这类模子基础不掌握三维空间结构，，，，，，
，只还原寓目者会看到的画面，，，，，，
，而非事物自己的真实结构。。。这种输出再细腻，，，，，，
，也没法拿来做修建设计，，，，，，
，或者训练一个需要在真真相形里精准操作的工业机械人。。。 第二种是模拟器，，，，，，
，认真输出准确的物理数据。。。模拟器输出的不是画面，，，，，，
，而是几何数据、材质参数、碰撞网格这类信息。。。它追求的不是“看起来像”，，，，，，
，而是结构上的准确。。。由于几何要经得起丈量，，，，，，
，运动要遵守牛顿定律，，，，，，
，动力学行为要切合物理规则。。。 这类模子同时效劳两类用户：一是修建师、设计师、影视和游戏开发者，，，，，，
，他们需要的是逾越视觉效果的准确数据；；；；；二是强化学习智能体、机械人控制器、自动驾驶算法这类程序，，，，，，
，它们需要在一个清静的情形里大规模训练，，，，，，
，复现那些现实中太危险、太贵或者基础没法实测的场景。。。 模拟器的市场很大，，，，，，
，仅英伟达的Omniverse仿真平台，，，，，，
，瞄准的工厂、客栈、数字孪生、供应链等市。。。，，，，，
，潜在规模就凌驾万亿美元。。。；；；；等搜盗贰⒆远菔徊馐浴⑿藿墒踊⒐こ躺杓啤⒁┪锓⒚鳎，，，，，
，这些领域都需要某种形态的模拟手艺。。。 但模拟器也最难做，，，，，，
，挑战来自好几个方面。。。首先是数据。。。训练模拟器需要带有准确几何和物理标注的三维数据，，，，，，
，这种数据比训练渲染器用的互联网视频稀缺好几个数目级。。。 其次是误差。。。仿真情形里物体的运动纪律跟真实天下之间一直保存差别，，，，，，
，这就是业内常说的“仿真到现实的鸿沟”。。。天生式AI还给模拟带来了新问题，，，，，，
，AI天生的几何体可能看起来没问题，，，，，，
，但潜在着面重叠、尺寸差池等缺陷，，，，，，
，一旦送进物理引擎盘算，，，，，，
，效果就会变得谬妄。。。 World Labs的Marble是这个偏向的第一步产品。。。它接受文字、图片或草图输入，，，，，，
，天生可以自由周游的3D情形，，，，，，
，同时输出两套数据：用于视觉泛起的高斯泼溅数据和用于物理盘算的碰撞网格。。。 第三种是妄想器，，，，，，
，决议下一步要做什么。。。妄想器要解决的问题很详细，，，，，，
，即给定目今的视察和一个目的，，，，，，
，下一步该做什么行动。。。那些机械人演示视频，，，，，，
，好比机械手抓取物品、机械狗越障，，，，，，
，背后用的就是视觉－语言－行动模子等妄想器手艺。。。 险些所有演示都局限于严酷受控的实验室情形，，，，，，
，物体种类有限，，，，，，
，使命周期很短。。。；；；；姑挥幸桓鲈谡媸蛋才潘蟮闹仄蟆⒍嘌院统ぶ芷谥斜谎橹す。。。从一段精彩的演示视频，，，，，，
，到能在厨房一连事情几小时、在客栈处置惩罚几万种差别货物、在手术室稳固配合医生的机械人，，，，，，
，中心尚有很长的路要走。。。 不过，，，，，，
，资源已经在大宗投入。。。一大波资金充裕的首创团队在竞相研发通用妄想系统，，，，，，
，头部科技公司也在把妄想能力架设在仿真底座上。。。逻辑即是能自主妄想行动的机械人，，，，，，
，才是真正能落地干活的机械人。。。 从功效逻辑上来看，，，，，，
，渲染器与妄想器互为逆运算。。。渲染器输入行动、输出视察画面，，，，，，
，妄想器输入视察、输出行动，，，，，，
，补齐感知与行动的闭环。。。而渲染器、模拟器和妄想器之间的关系，，，，，，
，可以从一只杯子放在桌上的场景出发去明确。。。 一个模子若是真正明确了杯子的几何形状、材质、受力之后会怎么滑动或翻倒，，，，，，
，那么从原理上讲，，，，，，
，它就应该能从任何角度渲染这只杯子，，，，，，
，能模拟杯子被推倒的完整物理历程，，，，，，
，也能计齐整只机械手去拿起来。。。三种能力共享的是统一套对物理天下的底层明确。。。 反过来则不建设：一个只会渲染画面的模子，，，，，，
，未必能推断杯子被推倒后的运动轨迹；；；；；一个只会妄想行动的模子，，，，，，
，也未必能还原杯子外貌的光影转变。。。而模拟器所处置惩罚的几何、物理和动力学这层，，，，，，
，恰恰就是三者共享的谁人底层。。。 正因云云，，，，，，
，模拟器被以为是毗连渲染和妄想的枢纽。。。掌握了模拟，，，，，，
，往上可以天生给人看的像素，，，，，，
，往下可以天生给机械人执行的行动。。。 眼下这三条线已经最先合流。。。渲染器不再只是被动输出画面，，，，，，
，最先能吸收行动指令并做出实时反。。。；；；；模拟器天生的天下变得更可控、可编辑；；；；；妄想器也在从简朴的应激反应，，，，，，
，转向能够审慎推理的自动决议。。。 这三条蹊径各自已经撑起百亿美元级别的工业，，，，，，
，现在正从自力生长走向融合。。。逻辑上的终点是一个统一的天下基础模子，，，，，，
，能在“天生逼真画面、产出物理上准确的场景、妄想行动序列”这三种模式之间无邪切换。。。 这背后是一个范式上的转变。。。已往近十年，，，，，，
，AI的焦点叙事是展望下一个词。。。但语言的界线不是天下的界线。。？？？？？？占渲悄苎暗氖枪庠跹湓谖锾逋饷病⑽锾逶跹袷匚锢矶桑，，，，，
，这是完全差别的底层逻辑。。。 三者之间的界线一旦消融，，，，，，
，将配合重塑一个更弘大的命题：机械智能与它所栖居的物理天下之间的关系，，，，，，
，这正是空间智能的漫长征程。。。