2016 年的黄昏，你举着手机在街区里游荡，眼睛盯着屏幕，只为抓住一只稀有的卡比兽。那时候你不会想到，自己随手扫下的街景、拍下的公园长椅和便利店门口，正在悄悄喂养十年后机器人眼里的世界。
你以为那只是一场游戏。其实那是一次人类历史上最大规模的环境扫描。
现象层：Niantic 卖掉了 Pokémon Go，买下了世界模型的门票
Niantic 把 Pokémon Go 卖了。2025 年 3 月 12 日，这家公司宣布以 35 亿美元把游戏业务——包括 Pokémon Go、Pikmin Bloom、Monster Hunter Now 以及 Campfire、Wayfarer 两款社区应用——打包卖给移动游戏发行商 Scopely，交易在当年 5 月 29 日交割。Niantic 自己则留下增强现实游戏 Ingress 和 Peridot，转身扎进硅谷此刻最烫的话题：世界模型（world models）。
分拆出来的 Niantic Spatial 手里攥着一笔让任何 AI 公司都眼红的资产：Pokémon Go 玩家留下的 300 亿次图像扫描。Niantic Spatial 首席技术官 Brian McClendon 说得很直白：“我们就是在重建真实世界。”他希望用这笔世界数据宝库，构建真实环境的数字复制品。
世界模型不是语言模型。Odyssey 创始人兼 CEO Oliver Cameron 用一句话划清界限：“语言模型给你一句话，它预测句子里的下一个词；世界模型不同，你给它一个世界的视觉状态、一张图像，它预测下一个视觉状态。”这些三维生成结果可以被当作数字训练场——“它们是模拟，但看起来和感觉上都像真的。”
McClendon 看到的场景是：有人拍下机器人预定工作环境的照片，生成三维模型，然后让软件在这个空间里跑“数百万次模拟”，训练机器人掌握这个空间的参数。机器人不必真的移动、不必真的出现在目标环境里，就能完成练习。
2027 年可能成为家庭机器人和无人驾驶汽车扩张的关键年份。而这两条赛道，都在被世界模型的进步托举。这套软件正准备渗进你的日常生活，而你甚至未必会直接和它交互。是时候搞懂这些机器“大脑”是怎么思考的了。
分析层一：世界模型到底在学什么
Jamie Shotton，自动驾驶公司 Wayve 的首席科学家，给出了目前最精确的定义。他说，世界模型必须能够对我们在这个世界里的行动做出反应，因此它必须理解物理、因果，以及其他物体和人如何因为我们的行为而改变自己的行动。
这正是世界模型与大语言模型的分水岭。大语言模型学的是符号之间的统计共现——“巴黎”后面常跟着“法国”，“量子”旁边常有“力学”。世界模型学的是空间里的因果链条：一个杯子被手肘碰了一下，它会倒、会滚、会在桌沿停住或摔碎。前者能写诗，后者要能“接住”一个正在下落的杯子。
Wayve 的生成式世界模型部分由行车记录仪画面喂养。这家初创公司用它重建危险路段和其他在现实生活中不适合测试的不安全条件。逻辑朴素到近乎残酷：与其让真车真撞，不如让数字分身先在虚拟的悬崖边摔一万次。对自动驾驶来说，在没有人类握着方向盘的情况下，毫秒级的软件反应就是生与死的差别。
这里需要区分一个容易混淆的概念。世界模型不是“数字孪生”。数字孪生是对某个具体对象或场景的静态复刻，而世界模型是一套会演化的规则——它不仅能还原你的卧室，还能推演“如果我把水杯推到桌边会发生什么”。前者是照片，后者是物理引擎。
分析层二：巨头为什么都在下注
钱正在涌向这个方向，而且是大钱。
图灵奖得主、Meta 前首席 AI 科学家杨立昆（Yann LeCun）在 2026 年创立 Advanced Machine Intelligence（AMI），同年 3 月完成超过 10 亿美元融资，公司估值 35 亿美元。支持他的名单堪称豪华：杰夫·贝索斯、埃里克·施密特、马克·库班。LeCun 毫不掩饰对当前主流路线的质疑——他公开说 LLM 的 Scaling 是“胡扯”，认为光靠预测下一个词语，永远到不了人类水平的智能。他要建的是能在物理约束中推理和规划的世界模型。
另一笔更大的交易发生在 2026 年 9 月 28 日：AMD 宣布以 82 亿美元全股票收购李飞飞创立的 World Labs。这是 AMD 史上第二大收购，仅次于 2022 年那笔 500 亿美元的赛灵思交易。李飞飞将出任 AMD 首席科学家兼执行副总裁，继续领导前沿研究。World Labs 的成长速度快得惊人：2024 年 9 月，李飞飞以 2.3 亿美元启动这家公司；2026 年 2 月，它又完成 10 亿美元融资，投资方包括 AMD、英伟达、Autodesk、Emerson Collective、富达管理和 Sea。
腾讯也在投资自己的世界模型。原因不难理解：物理和三维渲染本来就是电子游戏的核心，游戏引擎就是最现成的世界模拟器。可以预见，谷歌这类大型 AI 公司会继续炫耀自己在世界模型上的每一次改进，而投资者也会继续把钱砸向那些把目光转向这项技术的计算机科学明星。
为什么是现在？因为世界模型终于跨过了一个临界点：从“能生成好看的画面”走向“能生成可交互、遵守物理规律的画面”。前者是 Sora 一类的视频生成模型，用来做广告和短片足够惊艳；后者才是机器人真正需要的世界——一个你推它、它会倒，你松手、它会停的世界。
分析层三：数据从哪来，你的生活在被收购
世界模型不是凭空长出来的。要模拟我们的物理世界，AI 实验室需要真人去记录它。而这条供应链的源头，正是普通人的日常生活。
Niantic Spatial 在 2025 年 5 月从 Niantic 分拆时，手里握着 Pokémon Go 数亿玩家留下的 300 亿次图像扫描。这些由玩家在追逐虚拟怪物的过程中随手采集的环境数据，如今成了地理空间 AI 模型的燃料。讽刺的是，2016 年那些蹲在草丛里找精灵的玩家，没有人意识到自己正在为十年后的机器人绘制地图。
更隐蔽的链条在零工市场。WIRED 的作者亲自把 iPhone 绑在额头上，在公寓里录了数小时的视频：双手叠衣服、洗碗、倒健怡可乐，然后通过一个应用把这些视频数据卖掉，换回一笔微薄的报酬。这不是个例。随着越来越多的公司试图构建更好的世界模型，会有更多零工工作需要这类数据采集——记录你如何开门、如何把盘子放进洗碗机、如何在狭窄的走廊里侧身而过。
从 2016 年追逐虚拟怪物，到 2026 年出售自己做家务的视频，这些系统正在吞噬越来越多的物理生活。世界模型的“智能”，本质上是把人类的行为一帧一帧地学会。
分析层四：谁会赢，谁会危险
赢家会是两类公司。
一类手握真实世界数据。Niantic 有 300 亿次扫描，Wayve 有海量行车记录，特斯拉有数百万辆上路汽车回传的视觉数据。这些数据不是靠钱能立刻买到的，它们需要时间、需要用户规模、需要真实场景的覆盖。这是护城河。
另一类手握算力和芯片。世界模型对算力的饥渴远超语言模型——语言模型训练的是离散 token 的分布，世界模型要模拟的是连续时空里的物理演化，每一帧都是三维张量。AMD 之所以愿意花 82 亿美元买下 World Labs，看中的正是“下一代模型研究能让 AMD 提前几年规划自家 AI 芯片需要具备什么能力”。芯片和模型，正在从上下游变成共生体。
危险的是那些只能在符号世界里打转的公司。如果智能的下一站是“能行动”，是理解物理、因果和具身交互，那么纯文本模型的天花板已经可见。这不是说语言模型会消失——它们会继续存在，作为世界模型里的语言接口——但 AGI 的主战场已经转移。LeCun 的赌注、李飞飞的收购、Wayve 的路线，指向同一个判断：真正的通用智能不在聊天框里，而在能理解物理世界的模型里。
不过也要给这个判断留一点余地。世界模型目前仍受限于数据质量、算力成本和泛化能力。一个在虚拟厨房里学会叠衣服的机器人，未必能处理好你家那堆形状奇怪的毛巾。从“模拟得像”到“真的能用”，中间还隔着大量工程化的脏活累活。
结论与展望
世界模型会像水电煤一样渗进日常生活，而你甚至不需要直接和它交互。2027 年前后，当家庭机器人开始进入客厅、自动驾驶汽车开始大规模上路，它们背后的“大脑”就是世界模型。
它也会继续重塑劳动力市场。数据采集会成为一门越来越大的零工生意，而你我记录生活的方式——无论是玩游戏时扫过的街景，还是做家务时录下的视频——都会变成某个模型参数里的一粒尘埃。
十年前我们以为自己在玩游戏，其实是在给机器人画地图；十年后我们出卖自己做家务的视频，才终于看清：所谓智能，不过是把人类的生活一帧一帧地学会。
快报