◆ The Learning Grove 林间拾穗

标签：world-model

  • 用 Agent 构建企业世界模型：Citadel Securities 的组织记忆层实践 AI Engineer
    Citadel Securities 工程师介绍如何利用类似机器人学状态估计器的 Agent 系统构建企业世界模型。系统综合自上而下的幻灯片报告与自下而上的通讯、代码等杂讯，通过更新、时效老化、观察、评级与人工纠偏闭环追踪真实状态并预测延期风险。
  • 世界模型真的懂物理吗：对话 Somya Joseph 谈可解释性与物理 AI Best Partners TV
    节目讨论了 Somya Joseph 关于世界模型与可解释性的观点。他指出可靠的世界模型需具备与物理世界功能同构的内在表征，单纯黑盒测试无法保障安全与效率。通过机制可解释性提取物理基元并引入归纳偏置，有助于降低训练成本并推进物理 AI 落地。
  • Runway 创始人 Cristóbal Valenzuela：从视频生成到世界模型与 Continuum 操作系统 AI Engineer
    Runway 创始人 Cristóbal Valenzuela 回顾了公司从 2019 年低分辨率模型到如今前沿视频生成的演进，阐述下一帧预测如何学习真实世界物理规律并扩展为世界模型与交互式模拟系统。他重点展示了早期研究成果 Continuum——一种基于实时视频模型构建的操作界面，能将任意内容转化为可交互的“传送门”，并支持代码 Agent 的视觉思考与动态场景生成。
  • 从 Genie 4 看世界模型的祛魅：端到端理想的退守、算力困局与工业落地 yage.ai
    Google DeepMind发布的第四代世界模型Genie 4展示了新的交互功能，但其技术实现采用了多模型拼装的流水线架构，而非单模型端到端涌现物理规律的方案。这种架构的妥协解释了世界模型领域声势大但落地受阻的原因。行业对世界模型的理解存在混淆，将追求画面逼真与物理准确混为一谈。实际应用中，纯视频模型在需要高精度物理尺度和稳定性的场景（如机器人作业）表现不足，导致行业转向结合三维资产训练和规划器。同时，实时世界模型面临巨大的云端推理成本，使得消费级订阅模式难以支撑，导致独立创业公司倾向于并入芯片大厂或垂直行业巨头。世界模型的真正价值在于工业仿真后台，而非面向消费者的前台娱乐，在自动驾驶和重工业场景中取得了商业化成果。
  • Dyna Robotics：从“无聊”部署到世界动作模型，具身智能商业落地的工程实践 硅谷101
    本文通过Dyna Robotics的实践，探讨具身智能从演示到商业落地的关键。文章分析了世界动作模型（WAM）与百万小时第一视角数据带来的跨本体迁移规模定律，强调软硬件一体化协同设计及真实部署中的可观测性，指出ToB工业场景是验证技术闭环与积累分发优势的最佳路径。
  • H-JEPA分层世界模型：Yann LeCun团队架构、实验与技术路线解析 Best Partners TV
    影片介绍Yann LeCun创立的AMI公司发布的H-JEPA分层世界模型论文及开源成果。实验显示三层结构在蚂蚁迷宫任务中成功率达73.3%，大幅优于单层模型的18%，并降低了计算量。文章分析了独立表征空间、逆动力学解决特征坍塌等机制，并对比了世界模型与LLM及其他3D/像素级生成路线的差异与未决挑战。
  • Dinno Robotics 发布 Dina 2 世界动作模型：从单点试点到规模化商业落地 Latent Space
    Dinno Robotics 推出基于 100 万小时数据训练的世界动作模型 Dina 2，通过预测未来视频状态指导机器人动作。文章展示了其在鼎泰丰等场景的规模化部署，强调通用机器人在处理可变形物体及端到端任务中的优势，实现了从概念验证到商业价值验证的突破。
  • 李飞飞收购郑昌熙团队：有生之年，我们可能看不到通用机器人出现 课代表立正
    哥大教授、SceniX创始人郑昌熙探讨加入李飞飞创立的World Labs的心路历程，分享其学术转型、工业自动化策略及具身智能的现实挑战，直言短期内难现通用具身模型。
  • 直击AI最前线：硅谷101 Alignment 2026年度大会全景透视与核心议程 硅谷101
    《硅谷101》将于2026年10月10日至11日举办第三届线下年度科技大会Alignment 2026。大会汇聚前沿AI科学家、创业者与投资人，深度探讨AI安全对齐、前沿模型竞赛、Neolabs商业化困境、世界模型、机器人Scaling Law、AI for Science、Agent助手、前向部署工程师（FDE）、吉瓦级数据中心基建与Token经济、前沿Keynote以及AI视频黑客松等核心议题。
  • 82亿美元豪赌空间智能：AMD收购李飞飞World Labs背后的逻辑、质疑与英伟达之战 Best Partners TV
    AMD宣布以约82亿美元全股票交易收购李飞飞创办的空间智能初创公司World Labs。面对资本市场的股价下跌与估值溢价质疑，苏姿丰押注于物理AI与世界模型对下一代芯片架构的垂直整合与反哺，试图在英伟达重兵构筑的生态护城河外开辟新战场。
  • 物理AI的新瓶颈：如何从海量公开视频中检索高价值训练数据 AI Engineer
    随着大模型向具身智能与物理世界模型演进，机器人训练面临严重的数据饥渴。针对人工遥操作成本高、任务指示偏差大以及仿真环境物理失真等痛点，Bright Data提出基于动作级索引的多模态视频检索技术，从海量公开视频中精准切片提取现实物理交互，破解具身智能的数据与算力损耗瓶颈。
  • AI开始预测人类：83亿虚拟人格、数字社会，与一门押注未来的生意 硅谷101
    探讨AI Simulation（智能体社会模拟与预测）的技术演进与商业前景。从斯坦福小镇、MatrAIx 83亿虚拟人格到Simile、Aaru等独角兽公司，解析个体高精度还原与群体宏观推演两条路线，以及精度验证、长尾对齐与算力成本等核心挑战。
  • 李飞飞World Labs发布新一代世界模型Atlas：以空间智能重构生成、重建与机器人仿真 Best Partners TV
    李飞飞联合创办的World Labs正式发布新一代多模态世界模型Atlas。Atlas采用统一的多模态自回归扩散Transformer架构，将文本、图像、视频、相机位姿与3D深度图整合至同一空间上下文中，实现了高精度的相机路径控制生成、少量视角的3D高斯泼溅重建、动态子弹时间渲染以及面向具身智能的Real-to-Sim机器人仿真，展现了从空间几何出发构建物理世界底座的全新技术范式。
  • 重构三维视觉智能：Atlas 空间世界模型与新视角预测的技术跃迁 a16z
    本访谈深度探讨了新一代空间智能基础模型 Atlas 的核心架构与技术突破。团队分享了从 LLM 的‘预测下一个 Token’到视频模型的‘预测下一帧’，再到空间模型‘预测新视角’的范式演变，阐述了空间上下文、3D 相机位姿、少样本高质量重建、几何与外观解耦，以及向 4D 动态世界和‘AI 完备性’进化的前沿路径。
  • Google生成式模型团队访谈：NanoBanana 2 light与Gemini Omni Flash发布及FDE机制探讨 AI Engineer
    访谈回顾了团队推出的NanoBanana 2 light与Gemini Omni Flash API，探讨了多模态感知、世界模型以及前向部署工程师（FDE）连接下游实际需求与模型改进的作用。
  • 大语言模型并非终局：强化学习奠基人 Rich Sutton 谈持续学习与智能本质 Best Partners TV
    本文整理自红杉资本对强化学习奠基人 Rich Sutton 及其学生的专访。Sutton 指出合成数据是巨大错误，强调智能的本质是与世界交互并持续学习。他介绍了解决灾难性遗忘的持续反向传播算法，以及新公司 Oak Lab 打造万亿参数、20瓦低功耗模型的宏大愿景。
  • 李飞飞的机器人新赌注：为物理世界造一所数字学校 Best Partners TV
    本访谈深度解析了空间智能公司 World Labs 收购机器人仿真公司 SceniX 后的技术逻辑与战略布局。李飞飞与李昀烛指出，机器人真正落地的瓶颈在于缺乏物理交互数据。通过构建“真实到仿真再到真实”的闭环，利用 3D 生成和环境建模基础设施，为机器人提供安全、低成本的数字训练与评估道场，是打通具身智能落地和数据飞轮的关键一步。
  • 大模型会讲因果，是因为人类为它解释了世界 Best Partners TV
    本期视频探讨了图灵奖得主、因果推理奠基人Judea Pearl对大模型与AGI关系的深刻洞察。Pearl指出，大模型能回答因果问题，是因为其训练语料中早已混入人类对世界的因果解释。大模型本身只处于因果阶梯第一层的统计关联，无法独立完成观察、干预和反事实的闭环。要实现真正的AGI，必须将统计学习与因果世界模型结合，发展出具备自主探索与逻辑推演能力的因果AI。
  • World Labs 收购机器人初创公司 Scenix 与推进空间智能 a16z
    World Labs 宣布吸纳 Scenix 团队以推进空间智能与大世界模型构建。双方探讨了 real-to-sim-to-real 管线、仿真在反事实推理中的作用、对系统可靠性与效率的提升，以及团队在技术整合与业务扩展上的规划。
  • WAIC独家专访｜智驾的终局是物理AI，L4级别自动驾驶为何可能比L3更快落地？ 人民公園說AI
    在WAIC世界人工智能大会现场，千里智驾CTO杨沐与资深车主深入探讨了智能驾驶的技术演进。文章解析了从BEV到端到端大模型的范式转移，详细剖析了“小脑”（运动控制）与“大脑”（因果推理）的分工，并对世界模型、VLA路线、边缘端部署成本以及L3/L4商业化落地的节奏给出了前瞻性研判。
  • 从记录系统到上下文系统：构建 monday.com 的智能工作世界模型 AI Engineer
    本文探讨了 monday.com 如何通过构建“世界模型（World Model）”将协同系统从单纯的数据记录（System of Record）转变为具备上下文理解能力的系统（System of Context）。重点介绍了双引擎架构（慢引擎与快引擎）的设计，并结合神经科学与 Lambda 架构，阐述了如何解决 AI 助手在任务优先级和关联理解上的局限性。
  • 69岁图灵奖得主向大模型宣战：Richard Sutton创办Oak Lab与强化学习的范式革命 Best Partners TV
    2026年7月，强化学习之父Richard Sutton宣布成立Oak Lab，致力于摆脱大语言模型依赖人类静态数据的传统路径。通过构建基于Options与Knowledge的全新OaK架构，实现20瓦低功耗下万亿参数智能体的实时在线学习与自我进化，开启了AI从管道工程向循环工程的范式转变。
  • xAI 视频多模态负责人访谈：视频模型的天花板，其实是语言模型 · 乔木博客 向阳乔木
    本文访谈前英伟达 Cosmos 作者 Ethan He，探讨视频模型瓶颈在于语言模型智能。他解析了视频模型训练路径、数据处理挑战及世界模型定义，并对生成式 UI 与模型自主上下文管理的前景进行了展望。
  • xAI 访谈录：Ethan He 揭秘 Grok Imagine 研发内幕、世界模型与视频智能的未来 Latent Space
    前 xAI 工程师 Ethan He 分享了在 3 个月内从零构建 Grok Imagine 的历程。他提出“视觉智能本质上源于语言智能”的核心主张，探讨了视频生成与世界模型的本质区别，并预言视频智能体 (Video Agents) 和生成式 UI 将重构人机交互的未来。
  • LeCun：LLM 不是通往智能的路，他在押注另一件事 · 乔木博客 向阳乔木
    LeCun 认为 LLM 受限于语言符号操作，缺乏物理世界的因果推理与规划能力。他提出基于联合嵌入预测架构（JEPA）的世界模型，旨在让 AI 在抽象表示空间预测行动后果，而非生成像素，这是实现人类级智能的关键。
  • 1956 年的那个暑假，他们打算用两个月解决智能问题 · 乔木博客 向阳乔木
    本文通过回顾1956年达特茅斯会议的奠基提案，分析了人工智能领域早期开拓者们（麦卡锡、明斯基、香农、罗切斯特）对于机器智能的初步设想。文章指出，七十年前提出的关于自动机、自然语言处理、神经网络、抽象、随机性等核心问题，至今仍是AI领域的前沿课题，反映了该领域在探索道路上的长期性与艰巨性。
  • 对话群核科技黄晓煌：空间智能——通往 AGI 的关键拼图与商业落地 硅谷101
    本文深度专访了“杭州六小龙”首家 IPO 企业群核科技的创始人黄晓煌。文章系统梳理了空间智能、世界模型与具身智能的逻辑关系，探讨了空间生成的不同技术路径（如 Mesh 与 3D 高斯混合表征），并分享了群核科技从 GPU 云端渲染到空间大模型的转型历程。黄晓煌强调，紧贴物理世界的数据与硬件连接是 AI 时代的真实壁垒。
  • 心理学的大一统：预测误差最小化如何重构我们对心智与AI的认知 魏知超啥书都读
    本书深度解读了著名认知科学家雅各布·霍维的《预测心智》，详细拆解了‘预测误差最小化’这一极简法则。该理论认为大脑并非被动接收信号，而是主动预测世界的‘幻觉机器’，通过贝叶斯推理与主动推理统一解释了感知、情绪、自我及意识的本质。这一理论不仅为理解自闭症与精神分裂症提供了新视角，更被视为当代AI从模式匹配迈向‘世界模型’的关键奠基理论。
  • AMI Labs：逃离硅谷，世界模型与AI的未来博弈 Best Partners TV
    AMI Labs在杨立昆和谢赛宁带领下，以10.3亿美元种子轮融资挑战硅谷大语言模型主导的AI范式。谢赛宁在访谈中阐述了世界模型的核心理念，批判大语言模型局限性，强调视觉感知和多模态对真实智能的重要性。公司致力于构建预测大脑，通过分布式联盟模式，探索物理世界交互的AI新路径，并对AGI概念提出质疑，倡导回归对基础智能的理解与构建。
  • 全面解析世界模型：从语言智能到物理世界预测的范式迁徙 硅谷101
    本内容深度探讨了“世界模型”的核心定义、演进历史及其与大语言模型的本质区别。通过拆解视频生成、3D空间建模与JEPA抽象表征等三大技术路线，详细分析了世界模型在机器人、自动驾驶及AI Agent领域的巨大潜力，并警示了随之而来的系统级幻觉与权力集中风险。
  • AI时代：深海洋流、资产逻辑与个人复利之路 INDIGO 数字镜像
    本次对话深入探讨了AI作为全球最大变量对社会、经济及个人带来的深远影响。嘉宾**Indigo**分享了他对AI时代“深海洋流”的洞察，强调科技变革正从根本上重塑生产力与社会结构。讨论涵盖了资产逻辑从传统地产向数据中心等硅基资产的切换，以及AI时代下的投资策略。针对个人发展，嘉宾提出AI将导致职场“中空效应”，鼓励个体培养独立思考、好奇心和“品味”，利用AI工具提升专业能力，并将副业发展为具有复利效应的“复利之业”。最后，**Indigo**分享了对2026年AI领域的十大预测，鼓励大家以乐观心态积极参与AI时代，享受技术带来的美好。
  • “AI泡沫警报：万亿巨婴的幻灭与《大空头》原型警告” 北美王路飞
    “本期视频深入探讨了当前AI领域的投资泡沫。以《大空头》原型人物Steve Eisman和AI批评者Gary Marcus的观点为主线，揭示了AI行业可能面临的‘万亿巨婴’增长谬误、技术局限（如缺乏世界模型）以及风投的利益驱动。视频将OpenAI与WeWork进行类比，并分析了谷歌等巨头在资源战中的优势。最终提出，真正的AI发展需要具备常识和世界模型的神经符号AI，并警示投资者区分科幻与现实，警惕泡沫破裂。”
  • 谷歌2025年AI盘点：AJI、世界模型与AGI之路 Best Partners TV
    本期节目深度复盘谷歌高层在2025年的AI战略观点，聚焦‘人工参差智能’(AJI)阶段的特征与挑战，探讨‘世界模型’构建物理现实的潜力，并回顾谷歌在算力基础设施（TPU）、模型架构（MoE）及原生多模态方面的工程积累。内容涵盖AI从代码编写到意图指引的跃迁，生成式界面、Vibe Coding等交互创新，以及对AGI的长期展望、风险管控与量子计算的布局，强调AI正从工具演进为基础设施，人类需掌握协作能力以加速文明进程。
  • Yann LeCun 批判硅谷AI路径：世界模型是未来，AGI是胡扯 Best Partners TV
    图灵奖得主Yann LeCun批判当前硅谷主流AI发展路径，认为扩大大语言模型规模是死胡同，AGI概念站不住脚。他离开Meta创办AMI公司，押注以认知与感知优先的世界模型技术路线。LeCun强调AI应具备理解和预测世界的能力，而非仅记忆和复述，并指出安全应与发展同步，目标驱动架构是关键。他预测，达到狗水平智能需5-10年，人类水平智能则更久。
  • 李飞飞：AI的下一个十年是空间智能，构建世界模型面临三大挑战 Best Partners TV
    斯坦福大学教授李飞飞撰文指出，当前人工智能虽掌握海量抽象知识，却缺乏对物理世界常识和空间规律的理解，这成为AI升级的致命缺陷。她提出，AI的下一个十年突破在于解锁空间智能，并构建能够理解、推理、生成和交互的“世界模型”。文章详细阐述了世界模型应具备的生成式、多模态和交互性三大核心能力，并揭示了在训练任务函数、高质量数据获取及新型模型架构研发方面的三大挑战。李飞飞强调，空间智能是人类认知和文明进步的基础，AI应成为人类的伙伴，而非替代者，共同探索未来。
  • Richard Sutton：强化学习之父为何认为大型语言模型是死胡同 Dwarkesh Patel
    强化学习（RL）的奠基人之一**Richard Sutton**对当前大型语言模型（LLM）主导的AI范式提出了深刻质疑。他认为LLM缺乏**世界模型**和明确目标，仅通过模仿人类行为学习，而非从真实经验中获取知识。Sutton强调RL作为基础AI的重要性，倡导基于经验的**持续学习**和通用原则。他探讨了“苦涩的教训”在LLM上的应用，并展望了**数字智能**时代AI的演进、知识共享的挑战以及**AI接替**人类的必然性，呼吁以积极心态面对这一宇宙级转变。
  • DeepMind Genie 3与世界模型：AI理解世界是通往AGI的必经之路 Best Partners TV
    本文探讨DeepMind Genie 3与世界模型，对比其与大语言模型的异同，强调AI理解世界对实现通用人工智能（AGI）的关键作用，并展望全能模型的未来。