一、从大语言模型到世界模型物理AI时代正在到来如果说 2023 年是生成式 AI 的觉醒之年那么 2026 年则被业界公认为物理 AI 元年。黄仁勋在 GTC 2026 上进一步宣告“物理 AI 时代已经到来——未来每一家工业企业都将成为机器人公司。”过去几年大语言模型让机器学会了遣词造句、逻辑推理和代码编写——ChatGPT、DeepSeek 等赋予了机器远超人类的表达、编程和推理等能力。但正如斯坦福大学教授李飞飞所言“语言模型学习的是文本的统计规律世界模型学习的则是时空的统计规律。”机器能谈论世界却对世界的物理本质一无所知。她判断AI 正在从“理解文字信息”走向“理解现实世界”。她提出的空间智能被认为是 AI 的下一前沿方向而世界模型则是实现空间智能的必经之路。图源网络李飞飞的 World Labs 已经成立多年核心工作围绕着空间智能做研究推出过 Marble 3D 空间生成工具。但业内一直都有一种声音空间智能到底是什么东西Marble 除了解决看的问题还能干什么大家始终一头雾水直到 2026 年 7 月 World Labs 推出的 Real2Sim2Real 物理 AI 解决方案我们才清晰地看到了李飞飞 World Labs 的真实目的用高效的物理 AI 仿真系统解决具身智能数据荒问题为机器人大脑的快速落地部署提供真正可行的 Scaling Law 方案。图源网络二、Sim2Real Gap现实鸿沟为什么今天的数字世界仍然无法高效支撑物理 AI李飞飞曾直言不讳地指出一个残酷的现实“不同于 LLM大语言模型可以从互联网上获取丰富的数据资源具身智能从训练到评测阶段数据都十分匮乏”。当前具身智能的发展已经不缺模型缺的是能够支撑模型学习真实世界的空间数据。行业并非没有尝试海量的网络视频、AI 生成的三维场景……数据看似很多但它们大多停留在视觉层面——能“看”到世界长什么样却无法告诉机器人“这个世界如何运作”。一张桌子看起来再逼真如果仿真环境不知道它的材质是木头还是金属、表面摩擦系数是多少、用力推会不会倒机器人在其中练就的技能一旦进入现实就会立刻失效。具身智能在仿真环境里看似流畅的动作到了现实世界可能连门都打不开。图源网络过去几年以英伟达 Isaac Sim为代表的物理仿真器已经获得了行业的高度认可发那科、HD 现代等工业巨头纷纷基于 Isaac Sim 构建机器人仿真与数字孪生系统。但仿真带来的 Sim2Real Gap 始终是困扰行业的头号难题。机器人在仿真环境中训练出的策略一旦部署到真实硬件上就频频失效——仿真里的物理参数、环境交互和现实总有偏差这种性能折损让大量仿真投入打了水漂。于是行业不得不转向另一条更昂贵的路真机数据。通过遥操作采集真实机器人的演示数据一条一条地“喂”给模型。成本高、周期长、难以覆盖复杂多变的长尾场景。仿真便宜但不准真机准但太贵行业陷入两难境地。李飞飞发表系统性长文将纷繁复杂的世界模型归纳为三大功能类别渲染器Renderer把信息转成人眼能看的像素唯一标准是视觉上够不够逼真。Sora、Genie 3 这种能根据用户操作实时生成画面的交互式系统都属于“渲染器”。模拟器Simulator负责输出精确的物理数据。“它追求的不是“看起来像”而是结构上的正确。因为几何要经得起测量运动要遵守牛顿定律动力学行为要符合物理法则。规划器Planner要解决的问题很具体即给定一个观测和一个目标Agent决定下一步该做什么动作。她认为负责还原现实世界的物理规律和交互过程的“模拟器”是物理AI发展的最关键一环。图源网络然而“模拟器”这条路径集中了 AI 领域诸多棘手难题真实三维数据太少、虚拟和现实总有差距、AI 生成的内容可能存在变形、位置错误等问题。但从 2026 年上半年开始情况正在发生根本变化。李飞飞团队收购了 SceniX联合英伟达等机构为这道难题提供了一套系统性解法——Real2Sim2Real 闭环框架。这套框架的核心逻辑是从真实世界采集数据构建高保真仿真环境在仿真中大规模训练策略再将训练好的模型部署回真实世界。World Labs 推出的 R2S2R 引擎已经首次平滑打通了这一闭环。“模拟器”的参数足够精准机器人在虚拟世界中的每一次试错都等价于在现实世界中的一次实践。训练成本持续降低部署效率指数级提升之后实现了真正有可能达成物理AI的规模化落地。高精度的“模拟器”在 Real2Sim2Real 流程中的核心任务就是不断缩小 Sim2Real Gap——这是具身智能完成高效部署的关键能力也是物理 AI 真正落地的核心环节。图源网络参考文章《The World Is Not Made of Words》World Labs《李飞飞世界模型的功能分类法》卜寒兮/知乎