川观智库研究员 徐也晴
日前，美国开放人工智能研究中心(OpenAI)正式发布新一代视频生成模型Sora 2，并且同步上线AI视频社交应用软件“Sora”。有报道称，该应用软件在推出的前7天内获得了62.7万次iOS下载，超越ChatGPT同期表现。不少业内人士认为，AI视频迎来了“GPT3.5时刻”。
OpenAI首席执行官萨姆·奥尔特曼表示，Sora不仅是视频生成工具，更是构建“世界模型”（World Models）以推进AGI、并帮助社会适应AI发展的战略工具。
近年来，业内对于“世界模型”的关注度越来越高，中国信息通信研究院（简称“中国信通院”）发布“2025人工智能产业十大关键词”中，“世界模型”赫然在列。但其定义仍存在争议，不同领域的研究者对其范围和边界的理解不同。近日，咨询机构弗若斯特沙利文发布的《2025年中国世界模型发展白皮书》里也给该类模型下了定义。白皮书认为，“世界模型”是理解现实世界动态(包括其物理和空间属性)的生成式AI模型。它可以借助文本、图像、视频和运动等输入数据来生成视频内容，实现对现实环境物理属性的理解并通过生成环境及动作，从而模拟、指导及实施决策。
目前，这类模型已在自动驾驶、机器人技术、数字孪生等前沿领域展现出巨大应用潜力。其中，“世界模型”在自动驾驶场景中的成熟度最高。
当前，超过80%自动驾驶算法使用“世界模型”进行辅助训练，多家主流厂商已将世界模型视为下一代智能驾驶架构的核心。白皮书指出，随着时间推移，“世界模型”将成为突破L4级自动驾驶（如Robotaxi等）规模化部署瓶颈的加速器，是构成自动驾驶智能体走向类人认知与判断模式的关键基础。此外，“世界模型”更能够降本增效。白皮书提到，“世界模型”能够自动生成自带标注的图像与视频数据，包括极端或罕见场景，避免昂贵的真实数据采集成本。同时，“世界模型”可在无需大量人工设计的情况下，生成多模态、跨时序一致的场景，显著降低人工建模与标签标注的投入。弗若斯特沙利文预计，未来1-2年内，“世界模型”的成熟将引领自动驾驶迎来真正的爆发。
中国信通院人工智能研究所所长魏凯此前表示，“世界模型”的技术路线还处于百花齐放的探索中，下一步发展仍面临不少挑战。一方面是技术路线不清晰，目前“世界模型”的实现方法包括生成式模型、强化学习、多模态融合等，不同技术路径的侧重点和适用场景不同；另一方面是应用范围局限，当前“世界模型”只在自动驾驶领域有一定规模的应用，其他领域仍未实现大规模应用。未来，随着技术层面的突破，其应用将从封闭场景向开放系统延伸，最终成为AI通向AGI的关键基石。
【未经授权，严禁转载！联系电话028-86968276】
