Sora引发世界模型之争，生成式AI会如何发展？

比Sora爆火更精彩的，是这几天的世界模型“论剑”。

Sora横空出世，Open AI称其是“world simulator”（世界模型）。这让致力世界模型研究的图灵巨头LeCun坐不住了，怒斥Sora不懂物理世界，自家研究的V-JEPA才更贴近世界模型路线。紧接着，谷歌加入混战，重磅发布基础世界模型——Genie，号称人类迈向AGI的重要一步……

一时间，Sora是不是世界模型、谁能代表世界模型等讨论甚嚣尘上，也让世界模型这一概念迅速进入大众视野。

01

超越数据的决策力是关键

公认的，世界模型是目前技术流派中难度最高的一种，是通往AGI的最优解。

它最早也最常出现在强化学习和机器人领域，在AI领域并没有严格的定义或者证明，而是类比了认知科学中人脑的mental model（心理模型），即让机器像人类一样感知、认知真实世界，并采取动作。

▲论文中的世界模型示意图

要注意的是，这里是全方位的感知，包括对事物的观察、描述、记忆和分类，对事物间关系、客观规律等理解和预测等等。有了这些，才能进行下一步的推理和决策。

不严谨地说，这个过程可以笼统归为三大关键功能：

状态记忆

实时记录和更新环境状态信息；

预测未来

依据当时的状态信息能够做出预期动作、结果；

推理决策

即便没有经验数据支撑，也能理解复杂关系、逻辑，进行独立决策。

很明显，记忆和预测对于当前的技术而言，不难逾越。那么，世界模型的核心作用，就在于推理决策上。这不能单纯依靠数据喂养达到，是要形成一种类似人类神经系统、一种与生俱来的反应能力。

换句话说，世界模型是试图超越数据、在机器中复制这一能力，但向机器传授“常识”“本能”谈何容易，至少目前的技术无法企及。

02

大模型路径之争

了解完世界模型的雏形，我们再回到大众热议的问题：Sora是不是世界模型？谁能代表世界模型？

本质上，Sora还局限在对世界的观测和预测。

它既不是物理引擎，也不是世界模型，而是通过学习海量真实世界画面、像素和物理规律等，呈现新的视觉内容。这种模式，更符合“感知—匹配—认知—预测—输出”这一路径。

而这种模式的弊端显而易见，比如模型的准确性、泛化能力问题。这一点，从Sora生成的违反物理规律的“翻车”视频，也得到了验证，即现实世界的复杂度和多样性，很容易超过模型通过有限数据学习到的能力。

▲跑步方向相反

那相比Sora，V-JEPA和Genie是否更能代表世界模型？

V-JEPA是非生成式预测模型、Genie是可交互生成式模型，两者在结构上与Sora存在本质差别，但同样距离世界模型相差甚远，现在讨论谁更贴近世界模型路线，意义不大。

况且，也没人能断言世界模型就会是大模型的发展终点。

说到底，从0到1的路上，大家都是尝试，没有谁更权威的说法，走到最后路通了才有指点江山的资本。现阶段，技术不到位，拿世界模型理论贴金毫无必要，无非是商业利益不同，想利用舆论打个口水战，懂得都懂。

03

大模型的几大走向

不能否认的是，Sora的爆火也好，世界模型之争也好，确实为AI行业带来了更大的想象空间和推动力。

有IDC分析师预测，未来5年，生成式AI生成的文本类文件、图像类文件、视频类文件、软件代码类文件数量将会越来越平均。其中，与图像文件相关的数据量可能是文本文件的 100倍，视频文件是图像文件的10倍。

而这一切势必得益于大模型的深度扩展和商业化落地。也正是基于此，我们试着分析大模型的几个可能走向：

多模态：Sora对于行业来讲已经是重大突破，其后跟风的企业可以预见，多模态模型的交叉融合将成为一个重要趋势，且有很大几率入驻短视频、广告、影视等领域，以丰富的视觉内容、高效的生产体验融入应用之中。

基于世界模型的推理：从各大巨头对世界模型的追捧程度来看，大模型从感知、记忆、预测等走向推理决策，短期内热度不减。在这里，最大的门槛是技术，但复杂程度低、简单的逻辑推理和决策，也不是没有可能性。

时空信息整合：有了Sora的先例，一部分大模型将通过学习视频内容来理解现实世界的动态变化、规律等。这其中，要更加注重时空信息的整合和处理，以实现更加真实和连贯的视觉效果。

垂直、定制等分化加剧：通用基础大模型不具备广泛的适用性，商用大模型“变现”的最终落脚点还得是垂直行业、应用场景、用户需求。诸多芯片厂商，如英伟达、英特尔和安谋等，也都在布局终端AI芯片，支持大模型渗透消费电子市场。

与此同时，大模型的可解释性、透明度、数据安全与隐私保护等等，也会随着应用的普及成为重要的研究主题。特别在高敏感领域，如医疗健康、金融服务等，这些问题更是尤为重要，是用户和监管机构理解和信任大模型的关键。

总的来说，从大模型的发展可以窥见，在未来数十年内，AI研究没有最卷，只有更卷。

如今国际巨头们拿着新进展纷纷“圈地”，眼看着火药味起来了，国内赛道上的大厂们什么时候亮个相呢？

相关阅读

要想生成式AI落地，先搞定数据泄露危机

2024生成式AI泡沫破裂，警惕热潮后资本崩盘