# 世界模型和聊天 AI 有什么区别

- URL: https://davidyin.dev/video/bv1kvtr6femk/
- 作者: David Yin
- 发布: 2026-09-03T09:20:07+08:00 · 更新: 2026-09-29
- 时长: 03:36
- 平台: B 站 https://www.bilibili.com/video/BV1kVtR6FEMk · YouTube https://www.youtube.com/watch?v=WiaBgrXjFfE
- 标签: 世界模型、李飞飞、World Labs、Atlas、Sora
- 摘要: 世界模型是什么？聊天 AI 猜的是下一个词，顺着最像样的字接到句号；世界模型猜的是下一秒——给它一个动作，它算这个世界会变成什么样。视频用李飞飞 World Labs 的 Atlas、Sora 和 LeCun 的观点讲清差别。

## 这期讲了什么

- 9 月 1 日李飞飞的 World Labs 发布 Atlas，自称世界模型：官方列出三样本事——照片顺着镜头往下演、实拍场景还原成可旋转的立体空间、真实环境搬进虚拟世界当机器人训练场
- 官方自测 Atlas 在镜头跟拍类任务上对头部视频模型胜出率 75%–94%，但无第三方复测，目前只对部分合作方开放
- 核心差别：聊天 AI 猜下一个词，世界模型猜的是「世界的下一秒」——丢一个动作进去，模型回你世界下一步的样子
- 出处：李飞飞 2025 年 11 月文章列了世界模型三件事，并说只会读写的大模型是「黑暗里的字匠」；2018 年 Ha 和 Schmidhuber 的《World Models》让 AI 在梦里学开车
- OpenAI 2024 年技术报告自称 Sora 是「世界模拟器」又自认模拟不准玻璃碎裂；Sora 产品于 2026 年 4 月 26 日下线；LeCun 2024 年公开说靠逐格生成像素懂世界走不通

## 文字稿

### 李飞飞的 Atlas 会什么

9 月 1 号，李飞飞的 World Labs 发了新模型 Atlas，官方自称「世界模型」。AI 你天天用，可这四个字估计你也是头一回听——都说 AI 只会陪你说话，怎么突然跟「世界」扯上关系了？

抢这四个字的，不止李飞飞一家。谷歌 DeepMind、英伟达最近都把宝押在世界模型上，OpenAI 两年前也争过。可这四个字，跟你天天用的 AI 聊天，到底差在哪一步？

World Labs 的官方博客上写得分明，Atlas 有三样本事：给几张照片，画面就能顺着镜头接着往下演；把实拍场景还原成能转着看的立体空间；还能把真实环境搬进虚拟世界，当机器人的训练场。官方拿 Atlas 跟几款头部视频模型比了镜头跟拍这一类活，自测胜出率七成五到九成四——记住，是官方自测，第三方还没人独立复测过。至于上手玩，目前只对部分合作方开放。

### 差别在哪：猜下一个词，还是猜下一秒

「世界模型」不是新词。九十年代，学者 Schmidhuber 就提过这个说法；2018 年，Ha 和 Schmidhuber 的论文《World Models》让 AI 在自己编的梦里学开车，再把本事搬回真实环境，真跑通了。一个几十年前的老词，最近突然被抢成这样，总得有新东西。

差别到底在哪？差在猜的东西不一样。你天天用的聊天 AI，干的活是猜下一个词：你问一句，它挑最像样的字一路接下去，接到句号就收工。世界模型猜的是下一秒——世界的下一秒，不是文字的下一秒。

这说法不是我编的。李飞飞在 2025 年 11 月自己写的文章里，把世界模型列成三条：能凭空生成一个前后不打架的世界；图片、视频、文字都吃得进；还有一条，你丢一个动作进去，模型回你世界下一步的样子。她还补了句评价：只会读写的大模型是黑暗里的字匠，话说得漂亮，可没摸过世界。在她看来，语言是一维的、一串接一串的信号，真实世界比这根线复杂得多。我自己就拿客厅试过：问聊天 AI 沙发往哪儿摆、车怎么停，它答得头头是道，照着做却总不对味——它没见过我家客厅，只会顺着词往下编。

### Sora 的前车之鉴和 LeCun 的泼冷水

那 OpenAI 的 Sora 呢？2024 年，OpenAI 发过一篇技术报告，标题就叫《视频生成模型作为世界模拟器》，等于官方亲手给 Sora 贴了张标签。可报告自己写着：很多基本物理，Sora 模拟不准，比如玻璃碎掉。前 Meta 首席 AI 科学家、现 AMI Labs 创始人 LeCun，也在 2024 年公开说过：靠一格一格生成像素去懂世界，又费劲又注定走不通。Sora 这个产品，OpenAI 官网写着今年 4 月 26 号已经下线——为什么下线，OpenAI 没说是因为模拟不准，这两件事别连成一条线。李飞飞今年 6 月还写了篇分类：只会出画面的，叫渲染器；真算物理的，才叫模拟器。

所以下次再看到「世界模型」四个字，你只问一句：给它一个动作，它算得出世界接下来会变成什么样吗？算得出，才配得上这名字；算不出，就只是换了名字在放视频。

## 常见问题

### 世界模型和大语言模型有什么区别？

大语言模型猜的是下一个词，挑最像样的字一路接到句号；世界模型猜的是下一秒——给它一个动作，它推演世界接下来会变成什么样。李飞飞的说法是，语言只是一维信号，只会读写的大模型是没摸过世界的「字匠」。

### 李飞飞的 World Labs Atlas 能做什么？

Atlas 有三样本事：给几张照片，画面顺着镜头接着往下演；把实拍场景还原成能转着看的立体空间；把真实环境搬进虚拟世界当机器人训练场。官方自测对头部视频模型胜出率 75%–94%，暂无第三方复测，目前只对部分合作方开放。

### 怎么判断一个模型是不是真世界模型？

只问一句：给它一个动作，它算得出世界接下来会变成什么样吗？算得出才是真世界模型；算不出，就只是换了名字在放视频——按李飞飞的分类，那叫渲染器，不是模拟器。

> 视频不在本站托管，正片见上方平台链接；本页是目录与注解。