> 数据图表一起讨论下世界模型的框架
2026-6-02. 中层：世界模型的表现形式。世界生成作为世界模型的表现形式，既是该模型的外壳，也是整个体系的入口。目前主要有两大技术路线，“视频生成”以及“3D空间生成”，前者是最为大众所熟悉的世界模型路线，优势就是它的结果可以直接被观察，以至于能快速商业化落地，并且可规模化训练，但缺点在于无法理解构建的模型的真实架构，局限在2D层面后者则是构建类真实世界，以3D生成实现物理模拟、规划、控制，但受到训练数据稀缺、几何结构难建、算力需求很大等限制。3. 高层：目的是智能体训练。即让AI能在这个世界里“做事”。主要分为SIMA（基于虚拟世界训练）及JEPA（直接学习世界的抽象结构）。SIMA，即把世界生成模型当成“训练环境”，让AI在虚拟生成的世界里不断去犯错、探索、总结，最终学会一套可以迁移到真实世界的能力JEPA则是不预测图像、不预测像素，也不重建视觉内容，它做的事情是把真实世界压缩成一个抽象的、高维的潜在表示，然后在这个潜在空间里进行预测，专注于未来的结构而非未来的画面。 
