World Models：AI开始拥有物理直觉
你有没有这种感觉——
ChatGPT能写诗编代码，Claude能帮你修bug，确实厉害对吧？但你注意到一个关键问题没：在它们眼中，世界不过是一堆文字符号。
它不懂水往低处流。它不懂松手物体就会坠落。它不懂推一下桌子，桌子会滑动然后静止。
它掌握了全世界的知识，却没有任何物理感知。
这个问题，如今终于受到重视了。
5月12日，MIT Technology Review发布文章，将World Models（世界模型）列为「当前AI领域最重要的10件大事」。执行主编Niall Firth专门录制了一段视频——
"World models recently made our list of 10 Things That Matter in AI Right Now."
与此同时，斯坦福发布了2026 AI Index报告，其中一个结论让我后背发凉——
"AI is sprinting, and we're struggling to keep up."
AI在飞速前进，我们却在不断落后。而World Models，可能是打开下一扇大门的钥匙。
你可能听过这种观点：大模型本质上是"概率机器"。
这听起来很技术，但你每天都在体验它——ChatGPT回复你时，实际上是在"猜测"下一个词。就像你发短信时手机给你推荐下一个词，只不过它推荐的是整段文字。
但这个世界并非只有文字和像素。
现实世界遵循物理法则。你推一下物体，它会移动。你松手，它会停下。你踢一下球，球会飞出去然后落地。
这些事情，对人类而言是"本能"。但对AI来说，完全是空白。
World Models要做的，就是填补这片空白。
通俗点说：不只是教AI更多答案，而是让AI学会"推理"——就像你教育孩子，不是塞给他一本百科全书，而是让他自己摸索"这样推会滑、那样松手会掉"。
其实World Models这个概念并不新鲜。Yann LeCun多年前就提出过，但那时候——坦白讲，就是算力不够、应用场景没到、没人相信。
今年突然爆发，三个因素汇聚：
第一，你用的大模型，变聪明了。
o1、o3这类推理模型证明了：让AI"多思考再回答"，它确实能变强。就像你让一个人做数学题，不让他检查过程，他能做对；但让他一步步想清楚，准确率直接飙升。这不是玄学，是真实的技术突破。
第二，训练成本降低了一半。
以前这种规模的东西，只有大公司才玩得起。现在——价格下来了，创业公司也能入局了。
第三，你手里的产品，遇到了瓶颈。
ChatGPT聊天已经很完善了，但它下一步往哪走？World Models就是答案之一。你每天在用的那个App、那个智能音箱，下一代升级就靠这个。
第一个：工厂里的机械臂，会自己适应环境了。
现在的工业机器人是怎么工作的？人一步步教——这个关节转30度，那个动作要避开障碍物。笨拙得不行。
有World Model之后呢？
它直接模拟：推一下会怎样，撞到了会怎样，工具脱手了往哪飞。它自己推演出最优路径，不用人教。
这意味着什么？你家楼下那个工厂，以后可能不再需要那么多熟练工了。
第二个：自动驾驶，不再依赖规则库了。
现在自动驾驶的逻辑是——遇到红灯停车，遇到行人停下，遇到障碍物绕行。遇到什么查什么，像个笨学生在翻手册。
但现实情况是无限的，你写不完所有规则。
World Model让车自己"长出物理直觉"：雨天路滑刹车距离变长多少？行人突然变向的可能轨迹是什么？它不是查手册，是推演。
特斯拉为什么死磕"端到端"？就是想绕过这条路，让车自己学物理。
第三个：科研假设，AI先帮你验证。
AlphaFold当年预测蛋白质结构，让整个生物圈炸了。以前要几年才能搞清楚的结构，AI几分钟就算出来了。
World Models想把这件事扩展到更多领域——
你提一个科研假设，AI先帮你推演一遍——这个分子结构会怎么反应，这个物理条件会发生什么。对的再去做实验，错的先排除。
以前一个科研假设要验证半年，现在AI先帮你过一遍。
方向是对的。
但现在还在早期——算力瓶颈、物理模拟数据的质量、训练方法，都还在摸索。可能还需要2-3年才能看到真正落地的东西。
但机会往往在早期。
你现在刷到这个概念，比90%的人早知道。知道和看不懂，中间差了红利期。
有意思的是，MIT那篇文章底下还同步推了几个相关故事——
OpenAI全力押注"全自动研究员"，让AI自己研究AI，不用等人类下指令。首次让子宫在体外存活，AI辅助生物科技突破了。
这三个方向，底层都在说同一件事：AI要从"工具"变成"理解者"。
能不能成，看执行。但方向没走错。
AI行业每隔一段时间，就会出现一个"所有人都知道是对的方向"，但大多数人看不懂所以不跟进。
World Models现在就在这个节点上。
你现在不跟进，到时候就晚了。
怎么跟进？简单——关注这个方向，看谁在做，看谁的应用场景先跑通。不需要你现在就懂，但你要在场。
评论区聊聊：你觉得AI还需要多久才能真正"懂"世界？