📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
