理解世界模型：机器人忙着学跳舞，人活成一段段文字

大语言模型在 Scaling Law 放缓后，其局限性日益凸显，因缺乏对物理规律、空间感知及因果关系的理解，难以实现接近人类水平的智能。世界模型通过模拟环境、学习规律及预测未来状态，成为通向更高层级智能的关键路径。目前世界模型主要分为表象世界、空间世界、状态世界与行动世界四种解题思路，分别侧重于视觉还原、三维空间构建、物理规律抽象及行动决策优化。智能的本质在于具身性，即通过与物理世界的持续互动，形成对时空、因果及物体关系的内部直觉。AI 的发展正从单纯的语言预测转向行动智能，通过构建类似人类大脑的 “慢系统” 进行长程规划，最终实现 AI 向物理世界及人类价值观的深度对齐。