世界模型的功能分类

World Labs团队与李飞飞发文，梳理"世界模型"这一被滥用的术语。对比语言模型学习文本统计，世界模型学习空间与时间统计（如光照、物理规律）。基于部分可观马尔可夫决策过程（POMDP）框架，智能体通过动作影响世界状态，观测是部分视图。当前被称为"世界模型"的不同系统本质上是同一循环的不同投影：第一类为渲染器，输出给人眼看的像素，以视觉保真度为核心。文章着重于概念分层，未给出具体模型名、参数或基准分数。

World Labs团队与李飞飞发文，梳理"世界模型"这一被滥用的术语。对比语言模型学习文本统计，世界模型学习空间与时间统计（如光照、物理规律）。基于部分可观马尔可夫决策过程（POMDP）框架，智能体通过动作影响世界状态，观测是部分视图。当前被称为"世界模型"的不同系统本质上是同一循环的不同投影：第一类为渲染器，输出给人眼看的像素，以视觉保真度为核心。文章着重于概念分层，未给出具体模型名、参数或基准分数。

• 世界模型学习时空统计，不同于语言模型的文本统计。
• 基于POMDP框架，智能体通过动作影响世界。
• 当前世界模型本质是同一循环的不同投影。
• 第一类为渲染器，输出像素，以视觉保真度为核心。
• 文章着重概念分层，未给出具体模型或基准。

这是什么信号：李飞飞团队从理论层面明确了世界模型区别于语言模型的核心——学习时空统计而非文本统计，并用POMDP框架统一了当前混乱的术语。这标志着学术界开始为这一热词建立严谨分类学。

为什么重要：世界模型常被滥用于营销，缺乏共识。该文提供了可操作的划分标准（如渲染器与规划器），帮助从业者判断一个系统是否真正具备世界理解能力，而非仅是视觉合成。

对谁有价值：对AI研究者、产品经理和投资者有价值。研究者可厘清研究方向；产品经理能识别产品宣称是否合理；投资者可评估团队对核心问题的理解深度。

可以怎么行动：1. 用本文分类法重新分析市面上的"世界模型"项目，区分渲染器与决策模型。2. 关注后续是否出现第二类（预测器）和第三类（推理器）的公开案例。3. 在内部讨论中引入POMDP框架作为统一语言。

风险或限制：该文仅提出概念框架，未给出评估基准或实现细节，分类的实用性有待验证。此外，"渲染器"类系统若结合隐式规划（如视频生成中的物理一致性），边界可能模糊。

信息差价值：当多数人仍在模糊地谈论"世界模型"时，本文提供了首个严谨的功能分类，使你能快速识别哪些系统只是高级渲染器，哪些真正具备世界理解潜力。这避免被营销话术误导。

业务启发：对OPC读者，可借用此框架评估AI工具或投资标的。例如，若一个"世界模型"仅输出视频，却声称具备规划能力，则需警惕。建议在内部技术评审中引入"渲染器vs预测器vs推理器"三层标签。

可沉淀动作：1. 制作一张分类对比表，列出主流模型（如Sora、Genesis）对应的类别。2. 以本文为起点，追踪后续是否出现第二类、第三类案例并更新。3. 在选题会上将"世界模型分类学"列为常设追踪专题。

• @drfeifei 原帖