1物理世界模型满足物理一致性的状态预测“世界模型”已成为产业热词其概念边界在当前语境下高度泛化。视频生成模型、物理仿真平台、甚至具备记忆与预测功能的通用神经网络都可在不同叙事中被冠以“世界模型”之名。这种概念的膨胀使得技术讨论容易失去共同的评价基准。因此本文在此对讨论对象进行严格限定下文所称的“世界模型”特指狭义上的物理世界模型Physical World Model其核心意义是承担着主体- 环境动态建模的预测功能即在物理状态空间中运作的预测器满足物理一致性硬约束。物理一致性在学术上源自对动力学模型的研究。Sutton1990提出的Dyna 架构使智能体在内部世界模型中模拟真实环境的交互以加速学习。Hafner2019等在PlaNet 首次实现了从像素级观测中端到端学习隐空间动力学模型并直接在隐空间中执行模型预测控制。并在后续DreamerV3 的研究工作中进一步将这一范式的规模扩大证明了在世界模型隐空间想象中训练的智能体可完成多种复杂的连续控制任务。LeCun2022在《A Path Towards Autonomous Machine Intelligence》中将世界模型提升为自主智能系统架构的核心模块明确要求其预测结果必须经受物理交互验证。动力学模型方向的研究其技术根基是基于模型的强化学习强调学习“动作如何改变世界状态”的转移规律而非生成视觉上逼真的画面。当前在具身智能的产业需求推动下动力学模型与生成式模型两大路径正在发生交汇与融合但都共同指向一个核心定义世界模型目标在智能体内部构建一个对物理环境演化规律的模拟器使其能够在采取行动之前预测行为后果追求物理状态的正确性。2物理一致性层级与功能分化2024 至2025 年间随着具身智能产业化快速发展出现了多种将世界模型融入机器人控制的具体范式。世界模型需要为下游策略生成训练数据、搭建可交互的虚拟环境、探索自主决策并输出动作。不同的应用需求决定了世界模型在实践中逐渐分化为三种功能角色。这三种角色并非并列的技术分类而是物理一致性要求逐级提升的三个实践阶段。合成器的定位是数据引擎回答的问题是“给定一个动作或任务指令世界看起来会是什么样”在这一角色下世界模型以动作或任务描述为条件生成对应的视觉观测序列为下游策略训练提供虚拟数据。合成器的价值在于突破真实交互数据的稀缺瓶颈其对物理一致性的要求相对宽松几何关系基本合理即可。模拟器是基于模型的强化学习传统所定义的经典角色搭建虚拟交互环境推演动作后果从中提取奖励信号或评估候选动作。它回答的问题是“如果执行某个动作世界会变成什么样”。模拟器必须保证状态转移的物理合理性需要在力学上可验证充当策略训练的内部评判。规划器代表了技术演进前沿核心定位是直接输出决策。它回答的问题是“为达成目标下一步该做什么”在此范式下世界模型与动作生成深度融合根据对未来状态的推演直接产生动作序列。规划器代表了世界模型从“辅助系统”向“决策系统”的演进方向也是对物理一致性需求的进一步提升如何实现因果一致成为核心问题。