物理 AI：我们到底在讨论什么样的世界模型？20261106 成本极高。与数字 AI（如编写代码）不同，代码错误可以低成本地修改和重跑， 而物理世界中的错误，例如自动驾驶车辆发生碰撞或机器人损坏贵重物品，其 后果是严重的、不可撤销的。因此，在现实世界中行动之前，拥有一个能够模 拟和预演的"世界模型"至关重要。 机器人领域和自动驾驶领域所讨论的世界模型，在技术思路上存在哪些异同点？ 自动驾驶和机器人本质上是物理 AI 在两种不同场景下的应用，其技术根源是相 通的，因此它们所说的世界模型在根本上是同一种技术。不过，根据部署位置 和功能，世界模型可以分为两种主要类型。 第一种是部署在云端的世界模型， 其核心作用是提供"练出来"的能力，可类比为一个"驾校模拟器"。这种模 型在云端或电脑上运行，专门用于训练。例如，自动驾驶系统可以在模拟器中 反复练习应对加塞、行人横穿等场景；机器人可以在模拟器中练习抓取、叠衣 服等任务，即使失败（如打碎虚拟杯子）也无需承担成本，并且可以复现错误 场景进行针对性训练。训练完成后，学习到的策略和能力会被部署到车辆或机 器人本体上，在实际工作中无需云端模拟器的实时参与。目前，在智能驾驶领 域 ...