核心结论

世界模型不是“又一个生成模型”，而是在自动驾驶、具身智能等Physical AI场景中，承接数据生成、环境构建、闭环训练与验证迭代的新基础设施。未来3—5年，这一层能力有机会成为AI进入真实世界的重要底座。

过去两年，AI行业最热的话题几乎都围绕着大语言模型、多模态模型和Agent展开。但如果把视角从“数字世界里的智能”转向“物理世界里的智能”，一个更底层、也更可能长期改变产业结构的方向，正在快速升温：世界模型（World Model）。

它看上去像模型技术，实质上更接近一层新的基础设施。因为无论是自动驾驶，还是具身智能，最终都不是让机器“会说”，而是让机器“会动”。而一旦进入行动层，产业的核心矛盾就不再只是模型参数和推理能力，而变成了更现实的问题：数据从哪里来、训练如何规模化、仿真是否足够真实、系统怎样闭环验证、成本能不能真正下降。

一、赛道定义：什么是世界模型？

如果用最通俗的话解释，世界模型的核心能力，不是生成一段视频，而是学习并重建“世界如何运转”。它要处理的不只是视觉表面，而是更完整的现实结构：场景与空间关系、几何与三维结构、运动轨迹与交互逻辑、物理规律与结果反馈、动作执行后的环境变化。

语言模型压缩的是文字世界，世界模型压缩的是物理世界。这两者最大的区别在于：文字错误，往往只是“说错了”；而物理世界里的错误，往往意味着“做错了”。

所以，世界模型真正服务的，不是内容生成本身，而是那些需要机器在真实环境中稳定行动的场景。自动驾驶是这样，机器人也是这样，未来大量智能硬件、工业系统、空间计算场景也都会是这样。

二、产业痛点：这个赛道到底在解决什么问题？

从产业视角看，世界模型真正切中的，是Physical AI最核心的三个瓶颈：数据、训练、验证。

数据瓶颈：自动驾驶和具身智能都高度依赖真实世界数据，但真实数据成本高、采集慢、长尾场景覆盖差。世界模型试图在“真实度、规模化、可控性”之间找到新的平衡点。

训练瓶颈：Physical AI真正难的不是“能不能识别”，而是“能不能执行、能不能泛化、能不能闭环优化”。世界模型和强化学习、VLA结合后，有机会让系统从“看见世界”升级成“在世界中学习”。

验证瓶颈：没有足够真实、足够丰富、足够便宜的验证环境，模型能力再强，也很难形成产业化闭环。世界模型正在把验证效率变成一个可被重构的变量。

三、为什么是现在？

我们的判断是：这个方向不是刚出现，但现在确实到了值得重点研究和布局的阶段。底层技术栈开始成熟；下游产业开始形成强需求；资本市场的关注点也开始从单点模型转向系统能力。

四、产业链分层：这个赛道会长成什么结构？

从瞻行资本的视角，世界模型产业链大致可以分成四层：底层能力层、世界模型平台层、垂直行业训练层、应用落地层。底层能力层决定天花板，平台层决定中枢价值，垂直行业层决定商业化速度，应用层决定长期空间。

五、商业化路径：最先会从哪里跑出来？

自动驾驶是世界模型当前最现实的落地方向，因为行业已经有明确客户、成熟预算和真实需求。

具身智能更晚兑现，但长期空间更大；一旦训练成本下降、泛化能力提升，市场边界会迅速扩大。

空间内容与行业仿真则是容易被低估的外溢市场，只要行业需要更真实的三维场景和更复杂的物理交互，就可能被世界模型重新定义。

六、竞争格局：谁会占到优势？

这个赛道未来不会是简单的“谁模型更强谁赢”，而更可能形成三类玩家并存的格局：大厂与基础模型平台、垂直场景基础设施公司、整机公司与应用方自研。

七、代表玩家怎么看？

从全球趋势看，可以粗略分成三类玩家：研究型/平台型玩家、自动驾驶导向玩家、具身智能导向玩家。真正值得重视的，不是谁会讲“世界模型”的故事，而是谁能把世界模型嵌进数据、训练、验证和客户交付体系里。

八、投资机会图谱：钱应该往哪里看？

瞻行资本认为，这个赛道的投资机会主要集中在四个方向：训练基础设施、行业闭环平台、高门槛交付团队，以及从自动驾驶迁移到具身智能的能力。

九、如何看A公司这类项目？

如果以A公司为例，它并不只是某一家创业公司的故事，而是一个很典型的赛道样本。这类公司通常会有几个共同特征：从世界模型或仿真切入，同时连接自动驾驶与具身智能，强调数据引擎、闭环训练、强化学习和具身基础模型的结合，团队横跨学术、自动驾驶、机器人和产业落地多个背景。

这背后反映的，不只是公司策略，而是赛道本身的规律：谁先成为训练体系的一部分，谁才更有机会成为产业基础设施的一部分。

十、投资纪律：这个赛道值得看什么？

我们更看重以下几类指标：是否真的嵌入客户工作流；是否有明确的效率提升或成本下降，能量化成ROI；是否具备足够深的复合团队；是否具备从单点能力走向平台能力的可能；是否已经出现付费客户、定点合作、试点验证或持续复购迹象。

十一、风险清单：哪些地方最容易被高估？

任何新赛道在升温时，最容易高估技术潜力，低估商业兑现难度。世界模型也不例外。我们认为至少有四个风险必须持续关注：技术效果与商业价值之间仍有距离；重研发属性会拉长兑现周期；通用平台可能不如想象中容易成立；叙事会先跑在业绩前面。

十二、瞻行资本的核心判断

如果把过去几年AI的发展简单归纳：大语言模型解决的是“知识与表达”的问题；而世界模型正在尝试解决“行动与现实”的问题。

未来真正有产业价值的AI，不会只停留在数字空间里“会说、会写、会生成”，而会进一步进入真实世界，去“会感知、会操作、会闭环、会执行”。而一旦AI进入真实世界，世界模型的地位就会迅速上升。因为它决定的不是某个单点模型能不能惊艳，而是整个系统能不能被更低成本地训练出来、验证出来、规模化复制出来。

瞻行观点：下一阶段AI竞争的关键，不只是模型变得更聪明，而是智能能否更高效地进入真实世界。谁能更低成本地重建世界、模拟世界、训练智能、验证结果，谁就更接近Physical AI时代真正的底层入口。