搜索
近两年，视频世界模型（video world model）成为生成式 AI 最受关注的方向之一。只需给定一张参考图和一段场景描述，模型就能根据用户输入的相机位姿或控制指令，逐帧生成出一个可以自由漫游的虚拟世界。
Google正式发布世界模型Genie 4，提升画面真实感、物理模拟、世界一致性与实时控制能力，并可生成同步环境音和互动对话，由Gemini引导智能体协助规划，展现其在游戏、VR及互动影游领域的潜力。
Google DeepMind正式发布通用世界模型Genie 4，支持原生声音、实时对话与场景实时改写，单次连贯世界约维持2分钟，并由三款Gemini模型协同增强逻辑与物理模拟。
近日，在法国财经媒体《La Tribune》为 2026 年马赛人工智能大会（AIM 2026）录制的一场专访中，图灵奖得主、深度学习先驱杨立昆（Yann LeCun）详细披露了其创办的人工智能初创公司 AMI Labs 的世界模型商业化路线：先发表科学论文，再进入工业应用，最终瞄准家庭机器人、自动驾驶等需要与现实世界交互的智能系统。
JEPA 能不能真正理解观测背后的生成机制？
世界模型希望让机器理解环境如何变化，并预测干预后的结果，支持智能体学习、仿真与内容创作。这要求视频模型在场景变化时仍保持物理关系的一致性。光照是其中关键的一环：当光源移动，人物、物体与阴影应协同响应。可控重光照由此成为探索视频模型物理表达能力的切入点。
达瓦科技凭借实时世界模型产品Scenes AI拿下NVIDIA半程展示卓越企业奖，其34B模型在单张NVIDIA GeForce RTX消费级显卡上实现720P、25帧实时输出。
一个有些反直觉的现实是： AI已经在企业里被广泛用起来了，但很多公司的生产力并没有因此明显上升。
今日，无界动力正式发布并开源 MWA™-Phoenix 隐空间世界模型基座，横扫 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0 和 RoboDojo 真机榜。
七十年前，在达特茅斯学院的会议室里，“人工智能”的概念首次落笔，开启了机器模拟人类思考的漫长探索；七十年后的今天，AI的时代之问早已从“机器能不能计算”进阶为“机器能不能理解世界”。