4.3
深览指数
科技人人都是产品经理·邹叔海外营销AI实战··AI 生成
大语言模型（LLM）的遇到困境了？接下来是什么模型
文章指出大语言模型(LLM)因基于「下一个词预测」统计概率，缺乏物理常识与因果推理，在具身智能和工业应用上撞上「智力天花板」。作者将世界模型定位为通往 AGI 的破局路径：通过构建内部物理模拟器，让 AI 拥有对重力、惯性、时空因果的「想象力」，从而在自动驾驶、机器人、视频生成等场景实现从「说」到「做」的跨越。文章立场鲜明，是典型的技术商业叙事。适合对 AI 技术路线演变、产业投融资逻辑感兴趣的从业者或投资者快速了解此概念为何在 2026 年成为资本热点。原文 ↗
核心观点
- ▍大语言模型(LLM)因底层是「下一个词预测」统计概率，缺乏物理常识和因果推理，在具身智能和工业场景中遇到了无法逾越的智力天花板。世界模型(World Models)被业界视为打破这堵墙、通往 AGI 的关键范式转移。
- 01作者列举多起融资案例佐证「世界模型」概念被资本热捧：李飞飞的 World Labs 一年内估值从 10 亿飙升至 50 亿美元；杨立昆的 AMI Labs 凭种子轮融资超 10 亿美元；国内有初创公司 30 天内连拿两轮共 25 亿人民币。
- 02引用 2018 年 David Ha 与 Jürgen Schmidhuber 的《World Models》论文实验：AI 先在神经网络中「脑补」一个赛车游戏并练习，再回到真实游戏中运行，表现出远超直接学习的数据的驾驶水平。
- 03论证 LLM 核心缺陷：无法根除的「幻觉」与逻辑缺失，缺乏物理世界常识(如重力、平衡)，在动态、连续的物理环境(如自动驾驶避障、机械臂抓取柔软物体)中表现失效。
- 04指出数据墙问题：人类产生的文本数据快被大模型吃干榨净，仅靠堆算力和数据无法通向 AGI，世界模型通过观察视频和传感器数据进行无监督学习成为新路径。
- 05将世界模型类比为 AI 的「虚拟物理引擎」或「梦境模拟器」，核心能力包括：理解因果关系、掌握物理规律(重力/惯性/碰撞)、具备时空预测能力(从当前输入推演未来几秒的状态变化)。
反方 / 局限
- — 作者侧面承认世界模型道路的艰难与风险：比训练大语言模型更烧钱、更耗时，可能存在泡沫，会有大量公司倒下。但未对世界模型的已知技术局限(如计算成本极高、物理模拟精度与泛化能力的不平衡、基于犰狳的分布外问题)展开讨论。
大语言模型(LLM)世界模型(World Models)通用人工智能(AGI)下一个词预测(Next-token prediction)具身智能杨立昆(Yann LeCun)李飞飞David HaJürgen SchmidhuberWorld LabsAMI LabsMetaSoraFSD(完全自动驾驶)
8 分钟 · 5 卡片 · 14 资料
读原文 →