参考消息网7月30日报道 美国《时代》双周刊网站7月15日发表题为《“世界模型”是人工智能的下一个前沿领域》的文章，作者是英国伦敦政治经济学院能源与地缘政治客座教授塞琳·赫韦杰，编译如下：

在构建下一代人工智能(AI)的各大实验室中，“世界模型”一词正备受关注。像聊天生成预训练转换器(ChatGPT)、“克劳德”模型(Claude)、“双子座”AI模型(Gemini)这类大语言模型，预测的是文本的后续内容。相较之下，“世界模型”从观察中学习动态规律，开展前向模拟，推演后续会发生的情况。它们建模的是现实世界本身，而不仅仅是文字描述。

2025年年底离开美国元宇宙平台公司、创立法国先进机器智能实验室的杨立昆，已将其整套研究体系围绕“世界模型”搭建；执掌谷歌“深层思维”公司的德米斯·哈萨比斯，也将“世界模型”置于推进通用型AI的核心位置；萨姆·奥尔特曼称美国开放人工智能研究中心(OpenAI)的“天空”模型(Sora)为现实世界的模拟器，这一说法尚存争议；计算机科学家李飞飞为自己创办的“世界实验室”融资10亿美元，以钻研其所谓的“空间智能”。与此同时，英伟达首席执行官黄仁勋正在搭建下一波AI浪潮背后的仿真平台与算力基础设施，正如当年英伟达为大语言模型所做的那样。

目前，“世界模型”一词使用较为宽泛；不少打着“世界模型”旗号的产品，从严格的架构意义来看并不名副其实。

“世界模型”的核心理念在于：相比表象学习，基于系统内在运行规律进行训练的架构能更好地向物理世界泛化。这也是杨立昆不认可Sora这类视频生成模型的原因。他将“世界模型”的这种训练架构称为联合嵌入预测架构（JEPA）。“世界模型”并非一个具体的产品品类，而是一种底层架构。它能够让AI跳出“语言表达流畅，却无法构建真实物理世界模型”的局限，实现对现实世界运行规律有事实依据的深度理解。

倘若上述判断正确，这绝不只是新一轮商业AI迭代周期。当下正是下一代AI底层技术搭建的关键阶段。现阶段所搭建的技术基底、研发主体及其所使用数据训练模型，将决定未来AI的能力边界。“世界模型”在气候治理、海洋生态、生物圈保护、疾病生物学等领域，具备巨大的问题解决潜力。

我在职业生涯之初任职于美国国家航空航天局，是一名气候科学家，利用超级计算机开展海洋-大气耦合仿真模拟。此后，我联合世界经济论坛与微软首席环境官，共同执笔完成了两份最早探讨AI与地球系统的报告，我们当年作出的诸多预判如今都已成为现实。

如今，AI已能从太空敏锐捕捉野火与甲烷泄漏。现在的天气预报水平早已今非昔比：谷歌洪水预警系统已覆盖逾150个国家和地区。从“深层思维”公司的图神经网络预测模型(GraphCast)到各国官方气象机构自研的系统，神经网络气象模型仅以极低的算力成本，便已达到甚至超越了顶尖的物理模型预报效果，但在极端天气与尾部风险的预测上仍稍显逊色。

这些都是实实在在的技术进步。但诸多棘手难题仍未有突破，比如，飓风登陆后的破坏强度、下一轮干旱何时缓解，以及冰川消融过程中大洋环流的演变规律。

对水资源、能源及农业规划至关重要的次季节天气预报依然薄弱。森林、土壤与植被吸收了人类约三分之一的碳排放，却是整个碳预算中最具不确定性的环节。不同于化石燃料排放或大气二氧化碳浓度，这种陆地碳汇无法在全球范围内直接测定，只能依靠推断。而为数十亿人带来降雨的热带对流系统，其变化尺度过于精细，现有全球模型难以捕捉，因此不得不依赖粗略的估值法，而这正是科学家们数十年来力图攻克的难题。（编译/邬眉）