最近 “世界模型（World Model）” 发展迅猛。但很多人其实不太清楚它到底是由什么构成的。在这期视频中，AI 科普达人 New Machina 将为我们详细拆解世界模型的四大模块，揭示它 “理解” 物理世界的秘密。
第一个是感知模块，相当于模型的“眼睛”，能够把视频帧、传感器数据这些又杂又大的原始数据压缩成精炼的状态向量。关键在于它能过滤噪音，比如忽略一片飘落的树叶，但能抓住“树挡路了”这种关键信息。
第二个是预测引擎，拿着当前状态、历史数据和可能的动作去模拟未来会发生什么，相当于在脑子里“预演”。
第三个是记忆系统，负责把过去的经验和知识存好，需要的时候能快速调出来辅助预测。
第四个是决策器，也是整个系统里唯一真正发起动作的部分。这里有个很有意思的设计，决策器有两种模式。快模式类似条件反射，看到行人闯入车道就直接刹车，不需要思考。慢模式则是把预测引擎当沙盒，先模拟一堆“假如我这样做会怎样”的场景，评估完再选最优解，比如机械臂在工具箱里取东西时先在脑中规划轨迹避开障碍物。
这四个组件不是跑一次就完事，而是构成一个持续运转的感知+行动循环。每次动作改变环境后，新数据重新流入感知模块，系统拿实际结果和预测结果做对比，用预测误差去更新模型权重，下一轮就变得更准。
为什么世界模型这么重要？主要是因为，它让我们看到 AI 正在从基于 Token 的文本接龙，走向真正去建模物理世界的规律。LLM 本质上还是在语言空间里做模式匹配，而世界模型是在尝试内化因果关系和物理规则。这两条路线未来怎么融合，可能是通向更通用智能的关键问题。
