行业与公司 * 行业：人工智能（AI）领域，具体聚焦于“世界模型”（World Model）赛道，涉及具身智能、自动驾驶、工业智能等实体应用场景[1][2] * 公司：纪要中提及的具体公司包括中国的世界模型独角兽企业“极佳世界”（Gen-World）[14]，以及进入摩根士丹利“Humanoid 100”产业图谱的中国企业，如百度、亿纬锂能、宁德时代、比亚迪、阿里、广汽、腾讯、小米、美的、小鹏汽车等[15] * 其他实体：涉及阿联酋的G42、MGX（资产管理规模目标突破1,000亿美元，已募集约400多亿美元）[11]，沙特的HUMANE（其Recharge campus项目计划到2026年第二季度承载能力超过100兆瓦）[11]，以及美国的“创世纪计划”（Genesis Mission）和“星际之门”项目[8] 核心观点与论据 1. 世界模型的战略定位与范式转移 * 战略定位：世界模型是AI竞争的新高地，标志着竞争重心从通用大模型转向物理AI，并成为主权AI竞争的制高点[2] * 范式转移：世界模型实现了AI从“会说”向“会做”的革命性范式转移，其核心是让AI具备对物理世界进行建模、预测与规划的能力，从而实现智能体与现实环境的精准交互[1][2] * 技术角色：在技术链条中，世界模型是连接感知与行动的关键桥梁，通过预演未来实现主动规划，解决了传统AI依赖即时反馈的局限性[3] 2. 世界模型的功能与演进 * 核心机制：世界模型通过接收环境观测数据和智能体待执行动作，进行内部动态推演，输出对未来环境状态的预测，从而赋予AI预测能力[3] * 关键作用：体现在两方面，一是行动前推演，在机器人执行或自动驾驶决策前进行全场景模拟与风险预判；二是合成数据生成，能大规模、低成本地生成高保真度虚拟训练数据[4] * 演进节点：包括建立对外部世界基础认知的隐性表征、基于模型进行逻辑判断与行动规划的决策推理、以及预测物理未来、构建可互动虚拟环境的生成交互[4] 3. 全球竞争格局与差异化策略 * 中美竞争：中美竞争进入白热化阶段，美国私营部门AI投资规模达中国的23倍[1][8]；中国采取非对称策略，Token消耗量全球占比从4.5%飙升至超60%，位居世界第一[1][15] * 美国策略：美国致力于定义AI技术与能力的上限，通过“创世纪计划”和“星际之门”项目大力发展本国能力，同时通过“可信赖伙伴”机制有选择性地分享技术[6][8] * 欧盟策略：欧盟侧重开源与合规，通过《AI法案》进行监管，并高度重视开源模型以维护数据主权与产业安全[6][9][10] * 海湾国家策略：海湾国家利用能源优势打造算力枢纽，阿联酋通过G42、MGX构建产业闭环，沙特以HUMANE为核心进行全栈式布局，意图避免成为“数据殖民地”[6][11] * 中等强国策略：日本以“人本导向”和“渐进式布局”为原则，依托国家级超算平台（算力约6.2）构建AI生态[12]；韩国采取“军令状式”模式，由总统领导，设定到2030年的明确目标[12]；印度聚焦“普惠基建”与“数据主权”，已构建本土多语言模型[12] * 中国策略：中国聚焦全栈自主化与场景落地，采取低成本、快迭代、强落地的差异化竞争路线[1][6][15] 4. 中国产业进展与成果 * 模型性能：在知名模型数量上，美国拥有59个，中国以35个位居全球第二[15]；中美模型性能差距已缩小至2.7%[15] * Token消耗：根据OpenRouter数据，中国大模型在全球Token消耗量中的占比已从2025年初的约4.5%飙升至超过60%，超越美国（35.5%）成为全球第一[15] * 数据资源：根据国家数据局数据，中国已建成的高质量数据集总量达12万个[16] * 城市策略：北京从仿真平台视角切入[14]；上海推动算力基建、高质量语料库、AI实训场及行业模型应用的生态闭环[14]；深圳加速产业化落地与硬件协同[14]；江苏利用制造业优势，从工业语料和制造腹地维度推动发展[14] 5. 产业链核心环节 * 算力层：涉及智算中心集群建设、国产AI芯片开发及软硬件适配优化[15][17] * 数据层：关键在于高质量物理语料的采集、清洗、治理和合规管控[15][17] * 平台层：需要打造高精度仿真平台与物理引擎，推动工业软件的AI化改造[17] * 场景层：主要赋能人形机器人、自动驾驶、工业智能等领域，推动规模化商业落地[17] 6. 未来趋势与政策建议 * 政策趋势：未来2-3年，“世界模型”将进入国家级政策文件[1][16]；政策支持重点将从单一模型研发转向“数据-仿真-终端”的闭环生态[18]；区域分工将清晰化，一线城市聚焦算法与平台，制造业强省深耕工业数据与场景落地[18]；企业竞争核心转向生态整合能力[18] * 政策建议：建立国家级算力共享池[19]；开放公共领域高价值物理语料[19]；支持国产物理引擎与工业软件AI化[20]；构建国家级世界模型能力验证场[20] 其他重要但可能被忽略的内容 * 主权AI核心构成：主权AI由六大支柱构成，包括算力基建、监管治理、技术研发、人才与硬件、计算服务商以及基础大模型[7][8] * 全球共识：各国普遍将AI定位提升至国家级基础设施高度，认为算力和数据已成为新一代国家战略资源，且模型治理必须嵌入国家治理框架[13] * 资本投入差距：美国2025年在AI领域的私营资本年投资额约为2,800多亿美元，而中国约为124亿美元[16] * 发展风险：世界模型面临四大风险，包括高质量物理交互数据稀缺性风险[21]、仿真与现实间的“动态幻觉”风险[21]、算力与能耗的双重约束风险[21]、以及统一测评体系缺失风险[22]