产业链

上游为数据、算力、基础组件

• 数据：实景多模态视频、3D扫描资产、物理仿真数据集、机器人交互轨迹数据；高质量交互因果数据是最大瓶颈，采集标注成本极高。
• 算力：GPU/NPU集群，世界模型训练、实时推理算力消耗远高于普通多模态大模型；需要支持动态场景渲染、状态推演。
• 基础工具：NeRF、高斯溅射、物理引擎、3D重建工具、传感器仿真（摄像头、雷达仿真，和车载摄像头产业链联动）。

中游：世界模型主体

1. 显式物理仿真派（如英伟达Cosmos）：保留几何、物理规则，物理精度高；适合自动驾驶、工业数字孪生；缺点泛化弱、场景构建成本高。
2. 隐式表征学习派（如Meta V-JEPA）：不靠硬编码物理公式，从海量视频/ 交互数据学习世界动力学；适合人形机器人，物理一致性容易崩坏。
3. 视频生成式世界模型（如字节Seedance）：由视频生成演进而来，画面逼真；短板是长时序空间一致性差，物体容易穿模，适合 XR、影视内容。

下游：落地行业客户

1. 自动驾驶企业：构建虚拟测试场，生成长尾路况，训练 BEV、车载感知模型；
2. 人形 / 工业机器人厂商：虚拟环境预演抓取、移动、避障；
3. XR、游戏、影视公司：实时生成可交互虚拟空间；
4. 工业、能源、气象：数字孪生、工况模拟、灾害推演。