第一部分 世界模型:概念、技术演变、现状与技术路线
1.1 什么是世界模型
1.2 技术演变:从认知科学雏形到产业密集落地
1.3 发展现状:早期市场、资本热潮与三道关口
1.4 技术路线与对应能力
1.5 与两大落地场景的技术耦合
第二部分 世界模型的产业应用图景
2.1 应用总览
2.2 智能驾驶:成熟度最高、商业化最快的主战场
2.3 具身智能(机器人):从数据瓶颈到开发范式重塑
2.4 游戏与虚拟现实:内容生产侧率先落地(游戏、影视、直播、短剧)
2.5 科学模拟、数字孪生与社会模拟
2.6 智能制造:虚实同步的柔性生产
2.7 其他新兴领域(医疗、教育、可穿戴)
2.8 产业角色格局:四类参与者
免责声明与参考资料说明
摘要
世界模型的定位: 世界模型是人工智能迈向通用人工智能(AGI)的重要方向——它以数据驱动方式学习环境的时空动力学规律、状态-动作因果转移关系与不确定性,具备「理解外部世界机制」与「预测未来状态辅助决策」两大核心功能,与大语言模型存在本质区别。 技术演变: 经历了从认知科学雏形(1943 年心理模型、1974 年框架理论)、强化学习建模(2018 年《World Models》论文、2020 年隐式世界模型)到视频生成与多模态融合(2024 年起)的跃迁,2025—2026 年进入产业密集发布期。 技术路线: 可归纳为表征式、生成式、交互式、理解-生成-预测一体化四大架构流派;按建模方式又分为生成式与非生成式、显式物理仿真与隐式学习两大分野,当前呈现向一体化架构收敛的趋势。 产业应用: 已形成自动驾驶、具身智能(机器人)、游戏与虚拟现实、科学模拟四大场景,其中自动驾驶成熟度最高、商业化最快;智能制造、社会模拟、数字孪生、教育等领域的应用正在起步。 |
第一部分 世界模型:概念、技术演变、现状与技术路线
1.1 什么是世界模型
世界模型(World Model)的发展历史很短,学术与产业界对它的定义尚未完全统一,不同领域各有侧重,但核心共识是清晰的。
代表性定义。据国元证券研究所(2026 年 10 月),世界模型通常是指智能体通过数据驱动方式学习得到的、对其所处环境的时空动力学规律、状态-动作因果转移关系、奖励机制与不确定性进行参数化建模的可计算模型。
据弗若斯特沙利文(2025 年 8 月),世界模型是一种生成式 AI 模型,能够通过构建内部表征理解真实世界的动态规律(涵盖物理特性与空间属性),同时借助文本、图像、视频和运动数据等输入信息生成视频内容,从而模拟、指导及实施决策。
两大核心功能。据清华大学Future Intelligence Lab 的研究,世界模型主要承担两大核心功能:一是理解外部世界的机制(internal representation),二是预测未来状态并辅助决策(future prediction)。
前者强调通过构建内在表示来理解外部世界的运行机制,后者强调对未来状态的模拟与推演。世界模型是用于描述、理解和预测外部环境的状态及变化的抽象模型,其核心作用在于反事实推理——即回答「如果我现在这样行动,世界会如何变化」这一类假设性问题。
直觉理解。正如人类会在大脑中「想象」整个世界、总结客观规律并三思而行,世界模型让AI 在内部构建一个可推演的「心理沙盘」,如同人类做梦一般进行预演,从而实现更高效的规划与决策。
理解世界模型定位的关键,在于把握它与大语言模型(LLM)的本质区别。据国元证券研究所整理(2026 年 10 月),二者的差异体现在四个维度:
表1-1 大语言模型与世界模型的对比
维度 | 大语言模型(LLM) | 世界模型 |
本质 | 文字生成器 | 空间逻辑生成器 |
目标 | 预测下一个token | 预测下一帧物理世界 |
理解 | 语言模式 | 重力、因果、空间结构 |
应用 | 写作、对话、代码 | 机器人、自动驾驶、手术 |
简言之,大语言模型是「语言接龙高手」,懂语法但缺乏物理常识;世界模型的目标是成为「世界模拟器」,让AI 像人类婴儿一样先通过观察理解重力、因果与空间规律,再学会行动。
1.2 技术演变:从认知科学雏形到产业密集落地
世界模型的思想渊源可以追溯到认知科学与强化学习的早期工作,其技术演变大致经历了四个阶段。
第一阶段:思想雏形(1943—2017)。据清华大学Future Intelligence Lab 的梳理,世界模型的思想最早可追溯到 1943 年的「心理模型」(Mental Model)概念与 20 世纪 60 年代 Minsky 提出的框架理论(Frame System Theory),以及强化学习中用于建模环境动态的方法。这一阶段的特点是认知科学层面的理论构想,尚无可计算的技术实现。
第二阶段:模型化强化学习奠基(2018—2022)。2018 年,Ha 等人发表《World Models》论文,首次构建潜空间世界模型(VAE+RNN),通过「做梦」方式学习策略,奠定了模型式强化学习的基础,重新点燃了学界对世界模型的研究热情。2020 年前后,DeepMind 发布 MuZero,提出「隐式世界模型」,直接建模奖励与动态而无需重建图像,显著提升了规划与泛化能力(据弗若斯特沙利文白皮书,2025 年 8 月)。
第三阶段:视频生成与多模态融合(2022—2024)。随着大语言模型、自监督学习(JEPA 架构)、视频生成与交互式三维环境等技术的快速发展,世界模型逐渐成为人工智能跨模态、跨任务的重要研究方向。2022 年 JEPA 感知推理路线成型,2023 年大语言模型中的世界知识被系统性认知,2024 年初视频生成模型(如 Sora)证明了长视频物理世界模拟的可行性;同年,海外厂商在世界模型领域持续发力,推出 NVIDIA COSMOS、Meta V-JEPA 2 等模型,世界模型开始迈入具身智能领域(据弗若斯特沙利文白皮书,2025 年 8 月)。
第四阶段:产业密集发布与范式跃迁(2024—2026)。2024 年起,中国厂商加入战场,以车企为代表的产业力量通过结合视觉-语言-动作(VLA)、视觉-语言模型(VLM)与世界模型,推动自动驾驶向无图化、端到端演进;平台型厂商实现了世界模型「车-模-云」闭环的商业级部署。2025—2026 年,实时交互世界模型、全模态开放世界基础模型、分层表征预测模型等相继发布并开源,世界模型从学术理论加速走向产业落地前夜。
从范式视角看,陆奇在2023 年深圳演讲中提出的「信息—模型—行动」三位一体结构演化框架,为理解世界模型的历史位置提供了参照:数字化系统经历了「信息系统」(信息无处不在)与「模型系统」(模型知识无处不在,即大模型时代)两代范式,下一代范式是「行动无处不在」——以自动驾驶、机器人、空间计算为代表的行动生态系统。世界模型正是第三代「行动系统」的核心技术底座:它让智能体不仅能感知与表达,还能在内部推演行动后果,实现对物理世界的控制。
1.3 发展现状:早期市场、资本热潮与三道关口
对世界模型当前发展状态的判断,可以从技术成熟度、市场空间、资本与商业化、以及技术瓶颈四个侧面展开。
1.3.1 技术成熟度:仍处早期探索阶段
据弗若斯特沙利文(2025 年 8 月)判断,AI 世界模型整体仍处于早期探索阶段,大多集中在感知层面的模拟与压缩,尚未真正实现「感知—预测—决策」一体化的稳定闭环;在自动驾驶领域已有试点应用,但多依赖特定环境与强先验,不具备通用性与长期泛化能力。行业普遍认为,世界模型能力可拆解为三大核心支柱:多模态融合感知能力、物理规律认知能力、长时序因果推理能力;三大能力协同,构成 AI 连接数字信息与物理实体的基础底座。
1.3.2 市场规模:口径分歧较大,方向一致向上
全球世界模型市场尚无被普遍接受的规模数字。据公开市场信息(2026 年 11 月检索),不同研究机构的估计差异明显:2026 年全球规模估计从 15 亿美元到 68.5 亿美元不等——Gartner 判断突破 50 亿美元;Meticulous Research 的物理 AI 软件口径在 15 亿至 25 亿美元之间(2036 年指向 400 亿至 600 亿美元);赛迪顾问统计 2024 年全球 12.8 亿美元、2030 年 152.3 亿美元(复合增长率 52.4%)。更长期看,据工信头条数据(转引自国元证券研报,2026 年 10 月),预计 2030 年全球世界模型产业规模将突破 3000 亿美元,中国市场占比有望超过 40%,其中基础设施层(高精度数据采集、专用云服务、轻量化 SaaS 工具)将成为增长核心。上述口径差异源于统计边界不同(是否包含算力硬件与定制集成),不能直接比较,但共同指向一个判断:世界模型仍是早期市场,产业价值的规模释放有待物理 AI 在机器人与车辆上形成规模化的控制替代。
1.3.3 资本热度与商业化结构
据公开市场信息(2026 年 11 月检索):2025—2026 年全球世界模型赛道融资总额突破 50 亿美元;国内市场融资事件密集,头部创业公司三个月内完成三轮融资、累计约 35 亿元、估值突破百亿元。资本在极早期阶段给出远超收入基本面的定价,核心逻辑落在数据资产上——语言模型的壁垒是互联网文本,世界模型需要的是无法从公开网页抓取的物理交互数据(机器人操作轨迹、车辆传感器记录、工业设备运行日志),只能通过部署设备、建设场景和长期运营积累,因此资金涌向具备物理数据获取能力的团队。
商业化结构方面,据公开市场信息:2025 年全球世界模型行业收入中约 86.2% 来自 B 端企业级需求,其中端到端智驾车企与具身智能企业合计贡献约 66.2%;商业模式重心向 API 按量计费迁移(约占 42.6%),定制化解决方案约占 35.1%,数据标注与模型微调服务约占 22.3%。
1.3.4 三道技术关口
据公开市场研究(2026 年 11 月检索),产业从演示走向交付面临三个核心瓶颈:一是物理一致性——生成画面可以逼真,但物体穿透、不合理形变与违反能量守恒的运动轨迹在长时序推演中反复出现;二是长时序误差累积——多步推演中第一步的微小偏差会逐步放大,导致预测状态偏离真实;三是 Sim2Real 迁移鸿沟——仿真环境中训练的策略在真实硬件上复现时,传感器噪声、执行器延迟与材质差异都可能导致性能断崖式下降。业界方向是让世界模型从「看起来对」走到「算起来对」,在架构层面嵌入物理约束。
1.4 技术路线与对应能力
目前,世界模型在学术界和产业界热度较高,各大机构根据自身理解和需求开拓了不同的技术路线,呈现百花齐放的态势。本节先梳理架构层面的流派划分,再从多维度归纳路线分野,最后落到各路线共同指向的核心能力与评估指标。
1.4.1 四大架构流派
据毕马威《具身智能行业跨越奇点》研究(转引自国元证券研报,2026 年 10 月),全球世界模型的技术架构可归纳为四大流派,现阶段正呈现由百花齐放向一体化架构收敛的趋势:
表1-2 全球世界模型的主流技术架构流派
流派 | 核心目标 | 主要输出 | 代表技术方向 |
表征式世界模型 | 让模型「知道世界是什么」 | 抽象表征的世界状态(潜变量、特征向量、关系结构等) | JEPA、Dreamer 类方法 |
生成式世界模型 | 让模型「想象世界会变成什么」 | 可观测的世界状态(图像、视频、场景、像素序列等) | 大规模视频生成模型 |
交互式世界模型 | 让模型知道「改变世界会发生什么」 | 可操控、可交互的世界状态(2D/3D 环境和场景) | 三维交互式环境模拟 |
理解-生成-预测一体化世界模型 | 让模型理解、预测并自主改变世界 | 可自主进化的世界状态(未来状态、视频、动作序列控制信号等) | 融合生成、物理、认知能力的全模态架构 |
1.4.2 多维度的路线分野
除架构流派外,学界与产业界还从不同维度对技术路线进行划分,各维度相互交叉。
按模型类别(清华大学Future Intelligence Lab):分为隐式表示类世界模型——基于模型的强化学习(MBRL)、侧重存储世界知识的大语言模型与多模态模型,强调通过构建内在表示来理解外部世界的机制;以及预测类世界模型——视频生成与交互式三维环境建模,更侧重对未来状态的模拟与推演。
按是否显式生成观测(弗若斯特沙利文):生成式世界模型学习能够生成或预测环境状态的概率模型,给定当前状态和动作即可预测下一个可能状态,能为智能体提供丰富的感知信息,但需处理高维数据、计算复杂度高;非生成式世界模型侧重学习对控制有用的状态表示,避免预测所有观测细节,通常不显式生成环境观测,而是通过预测价值函数、预测下一状态的隐向量等方式学习,算力效率更高、泛化能力更强。
按建模方式(公开市场研究归纳):显式物理仿真派优先保证几何与力学结果的精确,以仿真引擎构建可交互空间,在智能驾驶和数字孪生等对物理精度有硬性要求的场景占优;隐式学习派不硬编码物理公式,从海量真实数据中学习物理运行规律,在物理交互数据难以穷举、泛化能力比单点精度更重要的人形机器人与复杂具身任务中更有空间。2026 年的产业实践给出的信号是融合而非替代:真正可部署的系统通常将表征预测、仿真物理约束与动作条件控制组合在同一架构中。
1.4.3 技术路线对应的核心能力
不同路线殊途同归,最终都要构建以下四类核心能力(据弗若斯特沙利文白皮书,2025 年 8 月):
1.因果推理能力:回答「如果A 发生,B 会怎样」的假设性问题。例如在自动驾驶场景中模拟前方突然出现行人时不同避让策略的后果;在工业生产中预测设备部件故障对全流程的影响。世界模型通过构建视觉感知组件与记忆组件,形成对环境的表征与对未来的预测,支撑复杂因果推理。
2.场景重建中的时空一致性:在3D 世界中保持空间结构稳定(物体形状、位置、遮挡关系)与时间演化连贯(运动轨迹、因果关系、物理规律)。当前技术通过长期记忆机制、潜在空间建模、对象中心表征等手段,以潜变量向量代替像素重建,带来泛化能力和样本效率的提升。
3.多模态数据的物理规则描述:模拟流体运动、物体碰撞等高度非线性、不确定性的物理现象,综合物体材质、形状、质量属性,准确计算碰撞瞬间的力传递与能量转换。
4.执行与实时反馈的闭环控制:结合强化学习实现「感知—建模—规划—执行—感知更新—模型修正」的动态循环,并根据主动干预验证预测、利用反馈信号持续优化。低延迟响应通过轻量化技术与潜空间状态生成实现。
技术指标体系方面,业界通常以五项指标评估世界模型能力(据弗若斯特沙利文):
表1-3 世界模型关键技术指标
指标 | 含义 | 评估维度 |
FID | 生成图像与真实图像分布差异,值越低越接近真实 | 单帧图像质量 |
FVD | FID 的视频扩展版,衡量生成视频与真实视频的时空特征相似性 | 视频内容与动态匹配度 |
帧率 | 每秒生成或预测的帧数 | 时间分辨率与计算成本 |
时长 | 可连续生成的帧数或时间长度 | 长期预测能力(长时预测更难,易出现累积误差) |
一致性 | 时间维度上的连贯性(运动平滑、物体身份保持、场景逻辑) | 多模态内容一致性、时空一致性 |
1.5 与两大落地场景的技术耦合
智能驾驶。全球智能驾驶技术正演化为两大核心路线并行发展:以「视觉-语言-动作」(VLA)链路为核心的架构体系,与以物理推演为核心驱动力的世界模型路线。VLA 通过多模态融合构建空间语义与驾驶行为的联合表征,适合快速迭代、兼容现有量产平台,短期内易于落地;世界模型绕开语言转化环节,直接将空间感知数据输入大模型进行物理规律推演,形成「云端世界引擎+车端世界行为模型」架构,代表更底层的认知方式,适合长期演进(据亿欧智库,转引自国元证券研报)。世界模型通过统一时空表征、环境动力学模拟与反事实推演能力,打通智驾感知、预测、决策、规划、控制、仿真及数据闭环全流程,被视为实现 L3 及以上高阶智能驾驶、从感知智能迈向认知智能的核心突破口。
具身智能。据中国人工智能学会《具身智能白皮书(2026)》(转引自国元证券研报),具身智能的算法架构正经历从 VLA 模型向「世界-动作模型」(WAM)的范式跃迁——视频扩散模型从「生成视频」转变为「生成动作」,直接输出机器人控制信号,其本质是具身智能从「模仿人类指令」到「理解物理因果」的认知升级。具身智能产业化当前面临数据、任务、控制、部署四大瓶颈(据毕马威):真实机器人数据采集成本高且与视频、人类行为数据天然不对齐;短动作能力难以延展为长链路任务能力;现实世界理解难以稳定转化为可执行动作;离线模型难以进入强实时的真实闭环系统。世界模型通过构建可交互的物理环境仿真器,使智能体具备预测未来状态、评估动作后果的能力,被认为是解决四大瓶颈的核心技术支撑。
第二部分 世界模型的产业应用图景
世界模型的应用已形成四大主要场景——自动驾驶、具身智能、游戏与虚拟现实、科学模拟(据弗若斯特沙利文),并正向智能制造、社会模拟、数字孪生、教育等领域延伸。本章按领域归纳当前应用与未来方向,按产业角色类型描述格局,不涉及具体企业。
2.1 应用总览
表2-1 世界模型应用场景总览
应用领域 | 当前应用重心 | 成熟度判断 | 未来应用方向 |
智能驾驶 | 仿真训练、合成数据、闭环测试 | 四大场景中最高,商业化最快 | 上车部署、通用世界模型、多车协同、AI 原生地图 |
具身智能(机器人) | 合成数据生成、仿真训练平台 | 快速爬坡期 | 物理与心智双轨建模、WAM 核心组件化 |
游戏与虚拟现实 | 交互式环境生成、3D 资产生成 | 内容侧率先落地 | 可玩世界、影视预演、直播与VR 内容 |
科学模拟与数字孪生 | 复杂系统模拟与预测 | 研究与工程验证期 | 城市规划、社会模拟、跨尺度科学推演 |
智能制造 | 数字孪生装配、虚实技能迁移 | 头部产线试点 | 云边协同柔性产线、工业世界模型 |
其他新兴领域 | 教育认知仿真、医疗、可穿戴辅助 | 概念验证期 | 认知训练、情境感知辅助、群体智能 |
2.2 智能驾驶:成熟度最高、商业化最快的主战场
世界模型在智能驾驶中的应用贯穿车端与云端。
在车端,世界模型实现交通参与者长时序行为推演与类人化博弈决策,补齐长尾风险预判短板,赋能感知盲区推理、复杂场景规划与精准控制,对预测和决策环节影响最大;
在云端,世界模型依托虚拟场景生成与虚实数据迭代,大幅降低实车测试成本(据亿欧智库,转引自国元证券研报)。其生成的驾驶场景是多层要素的结合:静态环境(道路宽度、标志线、路边设施)、动态参与者(行人、车辆、自行车的运动规律与行为预测)、自然环境(天气光照)与不同国家和地区的交通背景,能够覆盖极端天气下动态避障、无规则路口群体博弈等传统算法难以覆盖的「高动态+高不确定性」长尾场景。
据弗若斯特沙利文(2025 年 8 月),超过 80% 的自动驾驶算法已使用世界模型进行辅助训练。世界模型对智驾研发的经济价值显著:能够节省近 50% 的成本、提高约 70% 的效率。其数据生成路径与真实采集、传统仿真相比具备综合优势:
表2-2 三种数据获取路径的六维对比
对比维度 | 真实数据采集 | 传统仿真 | 世界模型 |
初始投入 | 高 | 中等 | 偏高 |
边际生成成本 | 极高 | 中等偏高 | 低 |
极端/长尾场景覆盖能力 | 有限 | 一般 | 优秀 |
数据规模经济 | 弱 | 中等 | 强 |
真实性 | 高 | 较优 | 中等偏高 |
一致性 | 高 | 中等偏高 | 较优 |
表格来源:弗若斯特沙利文《2025 年中国世界模型发展洞察》
从产业角色看,参与格局分为两大类(据弗若斯特沙利文):一类是整车厂商自研路线,直接研发世界模型并嵌入自身智能驾驶系统,服务于量产落地;另一类是第三方平台型提供商,提供底层技术、平台与仿真能力,面向整车厂与行业合作伙伴输出解决方案,构建开放通用的产业基座,避免车企重复自研与科研模型的工程化瓶颈。2026 年以来,智能驾驶头部企业普遍将世界模型写入技术叙事,从「场景感知」向「认知推演、场景进化」的高阶形态跃迁。
未来方向(据弗若斯特沙利文,2025 年 8 月):
1.与强化学习融合:先由世界模型模拟环境和车辆动力学,再让决策策略在其中通过强化学习不断试错优化,使自动驾驶成为具备自主进化能力的智能体系统;
2.通用世界模型:具备更强泛化与迁移能力,可跨城市、跨车辆平台发挥作用,成为自动驾驶的「通用大脑」,未来或融合数百亿参数与多模态输入,成为驱动L4/L5 的基础设施;
3.多车协同建模:多辆自动驾驶车辆共享感知信息,在云端融合成更大范围、更精细的世界模型,解决单车视野受限问题,并扩展至车队编队、智能调度与车路协同;
4.跨模态世界建模:综合视觉、雷达、地图、车路通信、自然语言等多模态信息构建更全面的数字孪生,深化与端到端架构融合;
5.AI 原生地图构建:重塑高精地图的生成与使用模式,车辆行驶中实时构建环境模型并同步云端,实现动态更新与「所见即所知」。
业内预计,世界模型将在1—2 年内实现规模上车,引领自动驾驶从车端走向云端。
2.3 具身智能(机器人):从数据瓶颈到开发范式重塑
具身智能的核心困境在于物理交互数据的「千倍级缺口」:据弗若斯特沙利文(2025 年 8 月),大语言模型有约 15 万亿量级的文本数据积累,而具身智能仅有约 240 万条视频积累,却需要数百 PB 级物理交互数据支撑,数据缺口超过 99%;按每家企业实现通用能力需约 400 万小时数据估算,国内全行业共需约 6000 万小时。
世界模型为具身智能提供了高质量、低成本、易扩展的合成数据生成路径:生成视觉逼真、物理精确的多模态合成数据,实现零风险生成现实中稀少、危险的极端场景;在真实数据与合成数据约 1:9 的配比下,可将数据获取成本降低约 60%,将数据获取周期对本体企业缩短约 70%、对模型企业缩短约 95%。
更进一步,世界模型正在重塑具身智能的开发范式——以世界模型为核心引擎的一站式闭环开发平台,将数据解析、真值生产、数据合成、算法训练、闭环仿真、反馈优化无缝连接,形成闭环迭代系统,让研究者专注于算法与应用创新而非基础设施构建(据弗若斯特沙利文)。平台型提供商通过构建开放通用的产业基座,支撑具身智能的规模化应用与跨场景迁移;头部厂商的平台已能支撑机器人场景算法训练、稀疏控制、4D 数字资产重建与实时交互。

图2-1 中国具身智能产业发展阶段(图源:易观分析,转引自国元证券研究所)
未来方向:
1.WAM 成为核心组件:随着VLA 向世界-动作模型的范式跃迁确立,世界模型的实时交互生成能力将打破仿真与现实的边界,成为具身智能系统的核心组件(据国元证券研报,2026 年 10 月);
2.「物理+心智」双轨建模:未来的世界模型将在物理世界模型(物体属性、空间关系、环境动态、物理因果)之外引入心智世界模型(目标意图、情绪状态、社会关系、言语与非言语交流),使智能体从被动执行转向主动响应用户需求,并为多智能体协作提供「共识心智」基础,推动人机交互从机械响应迈向情境感知与心理理解层次的协同(据弗若斯特沙利文);
3.虚实迁移训练体系:以数字物理世界模型为基础,构建仿真编程一体化平台,实现虚拟世界感知交互、任务规划、多技能虚实迁移的完整闭环,并在通用操作验证、多任务集群规模化训练中持续迭代(据清华大学孙富春团队研究)。
长期看,据弗若斯特沙利文测算,具身智能2050 年潜在的全球市场规模将超过一万亿元,世界模型作为其认知升级的核心支撑,产业空间广阔。
2.4 游戏与虚拟现实:内容生产侧率先落地
世界模型在游戏与虚拟现实中扮演核心角色:构建虚拟环境的逻辑与物理规则,模拟重力、碰撞、光照等真实效果以提升沉浸感,支持AI 角色的行为决策与剧情推进;在 VR 中确保视觉、听觉与动作的实时同步(据弗若斯特沙利文)。2025 年以来,实时交互式世界模型已能以文本提示生成实时可探索的动态世界,并保持数分钟的画面一致性;新一代多模态世界模型进一步实现从「生成视频」到「造世界」的跨越——直接生成可二次编辑的 3D 资产(网格、3D 高斯泼溅、点云等格式),可导入游戏引擎或具身仿真引擎,实现真正可玩、可用,支持快速生成游戏地图与关卡原型(据国元证券研报,2026 年 10 月)。
未来方向:一句话生成可游玩关卡将大幅降低独立游戏开发门槛;影视前期预演、直播、短剧等数字内容生产将受益于随用户声音和动作变化的实时虚拟环境生成能力(据国元证券研报援引公开报道,相关实时空间视频生成方向已瞄准直播、短剧、游戏与头显设备服务);更长的稳定交互回合将支撑强化学习与规划算法在同一世界中持续试错、形成长期策略。
2.5 科学模拟、数字孪生与社会模拟
在科学研究和工程领域,世界模型为复杂系统的模拟和预测提供强大工具,通过跨尺度推演帮助科学家和工程师理解和掌控复杂系统(据弗若斯特沙利文)。基于「输入一段真实空间视频或多视角图片即可构建高精度数字孪生空间」的能力,室内装修预览、城市规划、文化遗产保护等场景已可快速构建和还原(据国元证券研报,2026 年 10 月)。在学术侧,空间智能研究正推动从三维感知到四维感知、从单纯几何信息到时空联合物理信息的升级,并将多模态融合推理(视觉+语言+触觉)与空间关系推理(几何、拓扑、动力学)作为空间智能体的核心推理能力(据清华大学孙富春团队研究)。
未来方向:社会模拟被国元证券研报列为世界模型三大主要应用场景之一——利用世界模型模拟群体行为和社会动态,助力理解复杂社会系统及其决策过程;科学模拟将从单点物理仿真扩展至气象、流体、材料等跨尺度科学推演;城市智能(Urban Intelligence)作为虚拟—物理—社会三向应用三角的一极,将支撑城市治理与基础设施规划。
2.6 智能制造:虚实同步的柔性生产
智能制造是世界模型最早产生实证价值的产业场景之一。据清华大学孙富春团队的研究,面向3C 装配的上料下料、软排线、前置摄像头、SIM 卡和同轴线缆装配等场景,已构建高逼真度数字孪生环境,通过基于知识的技能学习与基于蒸馏的技能增强学习习得装配技能,并实现从单任务到多任务的迁移;几何、纹理和物理参数估计与虚拟触觉力模拟支撑了虚实同步的操作技能增强,相关成果已在手机产线、耳机智能产线等真实制造场景推广应用;云边协同的多任务学习框架利用工业互联的大规模数据资源共享,支撑跨场景、跨智能体、跨任务的通用操作验证。国际层面,头部机器人团队的成果连续在机器人抓取与操作、虚实迁移(Sim2Real)等国际挑战赛中取得领先成绩,验证了「知识驱动的虚实迁移智能装配系统」路线的工程可行性。
未来方向:工业世界模型将把工厂设备运行规则、生产工艺嵌入模型底层,服务制造业数字化升级(据公开市场信息);产线机器人柔性作业调度、物流自动导引车的动态路径规划将借助分层规划能力适配多变工业场景(据国元证券研报援引前沿模型方向);结合云边协同与人机协作意图识别,柔性产线将向「多任务集群规模化训练—跨场景通用操作—实时自适应修正」演进。
2.7 其他新兴领域
l教育:世界模型的认知仿真特性正被引入教育智能体研究,通过在内部构建认知世界模型实现对学习者状态的建模与教学策略推演(据公开市场研究,教育认知仿真被视为从认知仿真到教育智能体的范式跃迁方向);
l医疗健康:手术机器人的物理推演、护理场景的轨迹生成(如护理、补货等场景轨迹已被纳入具身模型的动作范畴)是探索方向(据国元证券研报);
l可穿戴设备:基于世界模型的预测能力为个体在嘈杂环境中导航提供障碍物与危险的实时警报(据弗若斯特沙利文对前沿自监督世界模型应用方向的归纳);
l虚拟智能体:游戏AI、数字人等虚拟角色依托分层规划能力完成长流程任务交互,如复杂关卡探索与多步骤人机协作任务(据国元证券研报)。
2.8 产业角色格局:四类参与者
综合行业研究资料与公开市场信息,当前涉足世界模型的产业参与者可归纳为四类(本报告按角色类型归纳,不涉及具体企业):
表2-3 世界模型产业参与者类型格局
参与者类型 | 技术路径特征 | 主要应用领域 | 商业模式 |
整车与智驾方案商(自研型) | 面向量产的自研世界模型,嵌入智能驾驶系统 | 智能驾驶 | 自用+技术闭环,服务自身量产 |
平台型提供商 | 提供底层技术、平台与仿真能力,输出开放产业基座 | 智能驾驶、具身智能 | 解决方案输出、API 计费、数据工厂 |
学术研究型团队 | 空间智能、数字物理世界模型、虚实迁移基础研究 | 智能制造、具身智能 | 产学研转化、技术授权、竞赛验证 |
前沿创业与基础模型机构 | JEPA 表征预测、3D 重建、实时交互环境等原创架构 | 具身机器人、游戏影视、通用智能 | 开源生态、订阅付费、被并购整合 |
免责声明与参考资料说明
一、本报告的性质
本报告为行业信息整理与研究学习材料,仅供内部参考与交流使用,不构成任何投资建议、证券研究报告或投资顾问服务,不作为任何投资决策的依据。文中涉及的行业数据、市场预测与趋势判断均来自公开渠道,不代表编制方立场;市场有风险,决策须谨慎。
二、主要参考资料
本报告借鉴了以下研究报告及公开市场信息:
1. 国元证券研究所:《世界模型行业专题研究:推演世间万千变局,重塑智能底层范式》(2026 年 10 月 21 日,分析师耿军军)——世界模型定义、技术架构流派、智能驾驶与具身智能应用、机构模型盘点、市场空间与风险提示;
2. 弗若斯特沙利文:《2025 年中国世界模型发展洞察》(2025 年 8 月)——世界模型定义与核心要素、发展历程、关键技术能力与指标、自动驾驶与具身智能应用价值分析、厂商竞争格局评估体系;
3. 清华大学孙富春教授:《世界模型驱动的具身智能研究》(学术演讲资料,42 页)——空间智能、数字物理世界模型、数字孪生技能迁移、具身大模型架构与智能制造应用;
4. 陆奇:《新范式 新时代 新机会——我的大模型世界观》(奇绩创坛深圳分享,2023 年 4 月 23 日)——「信息—模型—行动」三位一体范式框架与第三代行动系统判断;
5. 公开市场信息(2026 年 11 月检索):包括行业媒体公开报道、市场研究机构公开数据(涉及全球市场规模口径、赛道融资、收入结构与商业化进展等),相关数据未经原始机构逐一复核,仅作趋势参考。
三、数据与图片来源说明
本报告引用的图表来自上述研究报告的公开转载版本,图表权利归原出品方所有,此处引用仅供学习研究使用。文中标注「据公开市场信息」的数据基于检索时点的公开报道,存在口径差异与时效滞后风险,请以官方披露为准。
报告整理日期:2026 年 11 月 17 日。
倒计时5天 |(活动报名)超体觉醒 · 重链全球-2026 投资未来机会大会
(活动报名)“出海:从虹桥出发”中资企业投资并购沙龙·澳大利亚专场 ( 11月19日)

研报速递