副标题：从物理校准、多主体世界到世界模型训练流水线——AI正在从“预测画面”走向“理解环境如何运转”

📅 2026年10月27日🔍 本期关键词：PhysiCalWorld、物理校准、多主体世界、Cosmos、预测记忆、芯片AI、DNA大模型

导读

如果给AI看一个箱子，它能不能预测：

推一下之后，箱子会移动多远？

现在很多世界模型已经能够给出一个“看起来合理”的答案。

但问题是：

这个箱子到底是10公斤，还是100公斤？

地面是瓷砖，还是橡胶？

轮子的阻尼是多少？

重心在哪里？

仅仅通过一张图片，很多物理属性实际上无法确定。

这正在成为世界模型研究中的一个非常重要的问题：

世界模型不仅要知道“世界长什么样”，还要迅速判断“这个具体世界是怎么运转的”。

近期出现的一批研究，正在把世界模型进一步推向这一方向。

本期重点关注四条新趋势：

① 世界模型开始学习“现场校准物理规律”

② 世界模型从单个智能体走向“多主体世界”

③ 世界模型正在形成数据→训练→仿真→评测的完整工具链

④ 机器人开始把预测、记忆和行动真正连接起来

而在另外30%的AI领域中，我们再看看两个很值得关注的新变化：

AI开始深入芯片工程，以及DNA和生命科学。

第一部分

世界模型最新进展 

一、一个非常重要的新方向：PhysiCalWorld

近期值得重点关注的一项研究是：

PhysiCalWorld：In-Context Physics Calibration for World Models

也就是：

面向世界模型的“上下文物理校准”。

它试图解决一个过去经常被忽略的问题。

世界模型为什么经常“物理预测错误”？

假设机器人第一次进入一个陌生房间。

它看到桌子上有一个盒子。

视觉模型能够识别：

这是一个盒子。

但是仅靠视觉，它不知道：

• 盒子有多重；
• 重心在哪里；
• 桌面摩擦力是多少；
• 盒子内部是否装了东西；
• 某个机械关节阻尼是多少。

于是世界模型只能根据训练数据进行“经验猜测”。

比如模型过去看到的大多数纸箱都比较轻。

那么它可能预测：

机器人轻轻一推，箱子移动30厘米。

但现实中的箱子可能装满金属。

结果：

机器人推了一下。

箱子几乎没动。

世界模型的预测立即出现偏差。

PhysiCalWorld针对的正是这个问题。

研究者提出：

不要让世界模型永远依赖训练时学到的平均物理规律，而是先让智能体在当前环境中做几次探索动作。

例如：

推一下。

拉一下。

轻轻碰撞。

旋转一次。

观察结果。

然后模型从：

动作 + 观察结果

中提取这个环境的物理特征。

二、世界模型开始拥有“物理描述 Token”

PhysiCalWorld里面一个非常有意思的设计，是：

Physics Descriptor Token

可以把它理解成：

当前世界的“物理指纹”。

流程大概是：

当前环境↓执行几个探索动作↓观察物体如何运动↓Context Encoder↓生成 Physics Descriptor↓世界模型↓预测未来

研究涉及的物理变化包括：

Mass质量

Mass Distribution质量分布

Joint Damping关节阻尼

Surface Friction表面摩擦力

Air Drag空气阻力

更有意思的是：

这个系统并不要求人工告诉模型：

“摩擦系数=0.62”

或者：

“物体质量=12.4kg”。

模型可以直接从交互过程中形成一个潜在的物理表示。

研究者报告，这种物理描述可以在后续多次预测中重复使用，而且不需要针对每一个新环境重新微调模型。

三、这意味着什么？

这是一个非常值得关注的变化。

过去我们经常认为世界模型的任务是：

当前状态 + Action → Future State

现在可能需要变成：

当前状态

• Action
• 当前世界的Physics Context→ Future State

也就是说：

世界模型开始拥有“环境参数”。

举一个足球游戏的例子

假设未来使用世界模型模拟足球。

同样一个射门动作：

球速120km/h。

但环境不同：

环境A

干燥草地。

环境B

暴雨。

环境C

人工草皮。

环境D

高海拔地区。

球的：

滚动距离、

弹跳高度、

空气阻力、

旋转衰减，

理论上都可能不同。

一个更成熟的世界模型，不应该简单回答：

“根据过去的数据，这个球应该这样运动。”

而应该：

先观察当前环境，

估计环境物理状态，

然后：

动态调整自己的预测。

这对：

机器人、

游戏AI、

自动驾驶、

无人机、

数字孪生，

都非常重要。

四、第二个新方向：世界模型正在从“单人游戏”进入“多人世界”

另一项近期研究提出了一个非常有意思的问题：

Can LLMs Be Event World Models?

研究者把问题从传统的：

Single-Actor Environment

扩展到：

Multi-Actor Event World

也就是：

多主体事件世界。

研究使用了两类环境：

Diplomacy多人策略游戏

以及

Polymarket真实交易事件数据。

这里暴露出了世界模型一个非常大的问题。

五、知道物理规则，不等于知道“别人下一步要干什么”

传统世界模型经常假设：

智能体执行Action A，

环境就产生：

State B。

例如：

我向前走↓位置向前移动

这是相对容易预测的。

但多人世界完全不同。

比如：

我进攻A

未来结果不仅取决于：

我的Action。

还取决于：

玩家B怎么行动。

玩家C怎么行动。

玩家D有没有改变策略。

甚至：

其他人什么都不做，

世界也可能继续发生变化。

Diplomacy实验非常说明问题

论文报告，在一个七玩家 Diplomacy 预测任务中：

当模型能够看到所有玩家的动作时，

一个经过微调的 Qwen3-8B：

完整下一状态预测准确率达到：

65.1%

但是：

如果只知道自己的动作，

准确率下降到：

20.8%

而在玩家之间高度互动的状态中：

知道所有玩家动作：

30.8%

只知道自己动作：

1.8%

差距非常巨大。

这说明一个重要问题：

很多世界模型真正困难的部分，可能并不是预测物理环境，而是预测其他智能体。

六、世界模型未来可能需要“两套预测器”

因此，未来复杂世界模型可能需要同时拥有：

第一层：Physics World Model

预测：

物体运动、

碰撞、

空间变化、

环境状态。

第二层：Agent World Model

预测：

人会怎么做？

NPC会怎么做？

其他机器人会怎么做？

其他车辆会怎么做？

竞争对手会怎么做？

例如自动驾驶：

前面的汽车是一个物理物体。

但它同时也是一个：

Agent。

你不仅需要预测：

汽车按照当前速度3秒后在哪里。

还需要判断：

司机是不是准备变道？

是不是准备刹车？

是不是准备超车？

这实际上是：

Physics Prediction

Intent Prediction

的结合。

七、这对游戏世界模型尤其重要

如果未来做：

GTA式开放世界，

足球游戏，

CS类FPS，

大型多人模拟游戏，

世界模型不能只是：

“生成下一帧画面。”

它必须理解：

NPC意图。

例如CS：

敌人消失在拐角

世界模型不能只预测：

墙后面是什么画面。

它还需要推断：

敌人可能：

继续前进，

架枪，

换弹，

绕后，

扔闪光弹，

撤退。

因此：

真正的游戏世界模型最终可能是：

Visual World Model        +Physics World Model        +Agent Behavior Model        +Memory        +Planner

这比单纯的视频生成复杂得多。

八、第三个重要变化：世界模型开始进入“工程工具链时代”

如果说前几年大家关注的是：

谁能训练出最强的世界模型？

那么现在另一个问题越来越重要：

普通开发团队怎样训练自己的世界模型？

近期 NVIDIA 对 Cosmos 平台进行了扩展。

新增内容包括：

Cosmos Data Factory、

训练与优化工具、

Simulation Checkpoints、

世界模型评测工具，

以及面向不同数据生成任务的 Blueprint。

其中包括：

Autonomous Vehicle Dataset Generation

自动驾驶数据生成。

Event Video Generation

把静态图片转换为罕见事件视频。

Defect Image Generation

生成工业缺陷。

Video Data Augmentation

改变天气、光照等条件，同时尽量保持原始场景结构。

这意味着世界模型竞争正在从：

“模型竞争”

逐渐扩展成：

“完整开发流水线竞争”。

九、世界模型开始真正成为“仿真器”

Cosmos最新工具中还有一个非常值得注意的方向：

Closed-Loop Simulation

闭环仿真。

简单理解：

过去：

输入↓世界模型↓生成视频

现在：

Agent执行Action        ↓World Model        ↓生成Future State        ↓Agent观察Future State        ↓再次执行Action        ↓World Model        ↓继续模拟

形成：

Action → World → Action → World

循环。

NVIDIA介绍的新 Cosmos 3 Nano 仿真模型变体，可以用于重复运行难以真实采集的多视角、多传感器场景，并在真实测试前评估自动驾驶或双臂机器人的策略。

这才是真正意义上的：

World Simulator。

十、合成数据也发生了变化：不再追求“越多越好”

Cosmos Data Factory体现出的另一个趋势是：

过去：

真实数据+大量随机合成数据

现在越来越强调：

真实数据+针对性合成数据

例如：

液体泄漏，

工业缺陷，

危险事件，

罕见交通场景。

NVIDIA披露，ANYbotics利用相关工具生成了超过1500个合成视频片段，用于训练工业巡检机器人识别液体泄漏等设施变化。

这说明：

世界模型很重要的商业价值之一，可能不是替代真实世界，而是生成现实中“很贵、很危险、很难遇到”的数据。

十一、第四个趋势：机器人开始加入“预测记忆”

10月24日，DEEP Robotics公布了五项与具身智能相关的研究进展。

涉及：

物理预测、

导航与操作、

策略优化、

Predictive Memory，

以及数据驱动评估。

这些研究共同指向一个目标：

让机器人在不断变化的真实环境中保持可靠运行。

这里非常值得关注的是：

Predictive Memory

传统机器人记忆：

“我刚才看到了什么？”

未来机器人可能需要的记忆：

“我当时看到什么？”

“我当时认为接下来会发生什么？”

“后来实际上发生了什么？”

这样机器人就可以比较：

PredictionvsReality

不断修正自己的世界模型。

十二、世界模型正在形成一个非常清晰的新循环

综合近期这些研究，一个更完整的世界模型体系开始出现：

真实世界           ↓        Observation           ↓      World Model           ↓    Future Prediction           ↓        Planner           ↓         Action           ↓        真实世界           ↓        新 Observation           ↓     Prediction Error           ↓   更新 Physics Context           ↓       World Model

这与早期：

输入图片 → 生成未来视频

已经有本质区别。

十三、2026年世界模型真正的分水岭

现在可以看到三个阶段。

第一阶段

Video Generation

目标：

生成一个看起来真实的未来。

第二阶段

Interactive World

目标：

用户可以进入这个世界，并影响世界。

第三阶段

Actionable World Model

目标：

Agent可以利用世界模型进行预测、规划、试错和决策。

真正产生机器人和游戏AI价值的，很可能是第三阶段。

十四、一个值得持续观察的技术路线

如果把今天的研究组合起来，一个未来世界模型可能包含：

Multimodal Encoder       ↓Scene Representation       ↓Physics Context Encoder       ↓Physics Descriptor       ↓World Dynamics Model       ↓Multi-Agent Predictor       ↓Future States       ↓Reward / Risk Model       ↓Planner       ↓Action

旁边再增加：

Long-Term Memory

记录：

过去发生过什么，

过去预测过什么，

预测错在哪里。

这样AI才可能真正形成：

对世界持续更新的内部模型。

第二部分

其他AI领域最新进展 

十五、AI开始进入芯片设计的核心工程流程

10月26日，一个值得关注的新消息来自芯片EDA领域。

Cadence公布了：

Cadence Maestro

这是一套面向芯片设计的AI模型和Agent系统。

与普通聊天机器人不同，它的目标不是写文章，而是帮助AI Agent执行原本由芯片工程师完成的设计任务。

一个重要特点是：

企业可以选择：

云端运行，

公共云运行，

或者：

直接部署在自己的数据中心。

这对于芯片公司非常重要。

因为芯片设计文件本身就是企业最敏感的知识产权之一。

Cadence还允许企业利用自己的芯片设计数据继续进行定制和微调。

十六、AI正在从“通用助手”变成“行业工程模型”

这个变化值得特别关注。

第一代生成式AI：

Chatbot

第二代：

Coding Agent

下一阶段可能大量出现：

Chip AgentBiology AgentRobot AgentManufacturing AgentScientific Agent

这些系统不一定需要拥有最大的通用模型。

相反，它们可能是：

通用Foundation Model        +行业数据        +行业工具        +行业Verifier        +Agent Workflow

芯片设计正是非常典型的案例。

十七、另一个非常有意思的方向：AI开始“读DNA”

近期 Hugging Face 公布的 Carbon-X，则把大语言模型思路进一步带到了基因序列领域。

Carbon-X建立在 Qwen3-14B 基础上，并进一步使用：

基因序列 + 自然语言

进行训练。

训练数据涉及：

人类、

其他哺乳动物、

植物、

真菌等DNA信息。

目标包括帮助研究人员分析基因突变、研究疾病风险，以及探索与基因治疗相关的序列设计。出于安全考虑，公开报道显示病毒序列没有被纳入训练数据。

十八、从“语言Token”走向“生命Token”

传统大语言模型学习：

今天 天气 很 好

模型预测：

下一个Token是什么。

DNA模型面对的是：

ATCG

同样存在：

序列，

上下文，

结构，

长距离依赖关系。

因此，Transformer正在从：

Human Language

逐渐进入：

Programming Language

↓

Protein

↓

DNA

↓

Physical World

这可能是基础模型接下来几年非常重要的一条扩展路线。

十九、今天最值得关注的AI大趋势

把今天这些信息放在一起看，会发现AI正在发生一个很明显的变化：

过去：

AI学习互联网。

文本、

图片、

网页、

代码。

现在：

AI开始学习现实世界。

机器人学习：

物理世界。

世界模型学习：

环境动态。

多主体模型学习：

其他智能体行为。

芯片AI学习：

工程设计空间。

生命科学模型学习：

DNA和生物序列空间。

这意味着AI的“训练场”正在从互联网扩展到：

整个现实世界。

二十、世界模型下一阶段真正值得关注的5个指标

未来看一个世界模型是否真正强大，我建议不要只看生成视频有多漂亮。

更应该关注：

① Physics Adaptation

进入陌生环境后：

能不能迅速学会这个世界的物理规律？

② Multi-Agent Prediction

环境里存在多个智能体时：

能不能预测其他人的行为？

③ Long-Horizon Memory

运行几分钟、几十分钟甚至几小时后：

还记不记得之前发生过什么？

④ Closed-Loop Planning

模型生成的未来：

能不能真正帮助Planner选择更好的Action？

⑤ Sim-to-Real Gain

最终最重要的问题：

在世界模型里训练出来的Agent，到了现实环境到底有没有变强？

如果第五项没有提升：

前面的漂亮视频，

可能都只是Demo。

结语

2026年的世界模型竞争正在发生一次非常明显的转变。

最开始大家比：

谁生成的视频更真实。

后来比：

谁生成的世界可以实时交互。

现在越来越重要的问题已经变成：

谁能够真正理解一个环境的动态规律，并让智能体利用这些规律做出更好的行动。

PhysiCalWorld让模型通过交互快速了解一个陌生环境的物理属性。

多主体Event World研究则提醒我们：

理解世界，还必须理解世界里的其他智能体。

Cosmos等工具链正在把世界模型从论文模型变成可以训练、微调、评测和部署的工程平台。

机器人研究则进一步把：

预测、记忆、行动

连接起来。

因此，世界模型真正的终点可能从来都不是：

“生成一个逼真的视频。”

而是：

在行动之前，AI能够先在自己的内部世界中把未来“活一遍”。

然后再选择：

哪一个未来最值得走。

这可能才是世界模型真正走向智能体、机器人和下一代游戏AI的关键。

参考资料

PhysiCalWorld — In-Context Physics Calibration for World Models近期项目与论文资料。

From Single-Actor Environments to Multi-Actor Event Worlds: Can LLMs Be Event World Models?研究多主体事件世界中的世界模型预测问题。

NVIDIA Cosmos — New Tools to Train, Evaluate and Deploy World ModelsNVIDIA于2026年10月21日发布的Cosmos世界模型工具链更新。

DEEP Robotics — Embodied AI Research Advances2026年10月24日公布的具身智能研究进展。

Cadence Maestro2026年10月26日公布的面向芯片设计的AI模型与Agent系统。

Carbon-X近期公布的面向DNA序列与生命科学研究的开放AI模型。

声明：本文依据截至2026年10月27日检索到的公开研究、官方技术资料及新闻报道整理。部分世界模型研究仍属于论文、预印本、研究项目或早期产品阶段，实验指标应结合具体数据集和测试条件理解，不代表已经达到通用现实环境部署水平。