世界模型正走向復雜智能行為生成的關鍵過渡期，正成為推動物理AI與虛擬世界融合的關鍵基礎設施，助力中國在全球AI競爭中占據領先地位。當前，世界模型在自動駕駛領域正從研發測試走向量產賦能，通過生成海量高保真場景，推動自動駕駛系統持續學習、自主驗證并快速迭代優化，驅動L3/L4系統落地，大幅降低實車測試成本與時間。在具身智能領域，世界模型則作為合成數據引擎，破解物理交互數據短缺瓶頸，為機器人提供高效、安全的虛擬訓練環境，加速其適應真實世界任務。兩大應用均凸顯世界模型通過仿真與生成，推動AI從感知向行動閉環演進的核心價值。

本報告聚焦“世界模型”（World Models）這一前沿人工智能技術，分析其發展現狀、技術路徑、市場格局及未來趨勢。世界模型是理解現實世界動態 (包括其物理和空間屬性) 的生成式 AI 模型。它們使用文本、圖像、視頻和運動等輸入數據來生成視頻。通過學習，它們能夠理解現實世界環境的物理特性，從而對運動、應力以及感官數據中的空間關系等動態進行表示和預測，加速物理AI的虛擬世界生成，生成可擴展的增強型數據，從而消除數據瓶頸，實現更高效的基礎模型訓練。本白皮書的研究目的在于全面梳理世界模型的發展歷程、現狀、核心技術及其在智能駕駛、具身智能中的應用，并通過對不同廠商能力的對比分析，探討世界模型未來的發展趨勢。

01

2025年世界模型：從感知現實到決策未來的AI躍遷

世界模型（World Models）作為一種生成式AI模型，其核心在于通過構建內部表征來理解真實世界的動態規律（包括物理特性與空間屬性），并借助多模態輸入（文本、圖像、視頻、運動數據等）生成視頻內容，實現對現實環境物理屬性的理解并通過生成環境及動作，從而模擬、指導及實施決策。World Labs創始人、斯坦福大學教授李飛飛指出“世界模型不僅應當感知和建模現實世界，還應具備展望可能存在的未來狀態的能力，從而為決策提供指導。”然而在發展與現狀方面，世界模型仍處于早期階段，大多集中在感知層面的模擬與壓縮，尚未真正實現“感知-預測-決策”一體化的穩定閉環。盡管在自動駕駛領域已有試點應用，但多依賴特定環境與強先驗，不具備通用性與長期泛化能力。未來的發展方向將集中在三個方面：一是通過多模態輸入增強對世界狀態的理解；二是引入因果建模與可控生成機制，提升預測準確性與行為規劃能力；三是將世界模型與具身智能系統深度融合，實現從“觀察世界”到“理解并參與世界”的躍遷。

資料來源：沙利文分析，頭豹研究院02

不同世界模型廠商根據其自身戰略與不同維度的技術優勢，打造獨特的世界模型能力及相關產品

世界模型的技術能力建立在四大支柱之上。因果推理能力 (Causal Reasoning)： 使AI能夠回答“如果A發生，B會怎樣？”的假設性問題，理解動作與結果之間的深層因果關系，從而提升在動態環境中的自主決策能力。時空一致性 (Spatiotemporal Consistency)： 解決傳統視頻生成中物體扭曲、變形的問題。世界模型通過長期記憶機制、潛在空間建模、對象中心表征等技術，在更高維度保持空間結構穩定和時間演化合理，生成穩定、連貫的視頻序列。多模數據物理規則描述 (Physical Rule Description)： 旨在模擬復雜的物理現象（如流體運動、物體碰撞）。世界模型預測的是遵循基本3D幾何和物理規則的3D場景結構，而非簡單像素，從而避免了“夢境般”的不真實感，為后續交互奠定基礎。執行與實時反饋 (Execution & Real-time Feedback)： 通過與強化學習結合，實現“感知→建模→規劃→執行→感知更新→模型修正”的動態循環。低延遲的實時反饋是實際應用的基礎，可通過輕量化技術與潛空間狀態生成實現。

行業通常采用FID、FVD、幀率、時長和一致性等指標來量化評估其性能。不同世界模型廠商根據其自身戰略與不同維度的技術優勢，打造獨特的世界模型能力及相關產品。目前，技術路徑主要分為生成式與非生成式兩類，國際廠商如英偉達（COSMOS）、谷歌（Genie3）和Meta（V-JEPA2）推出了領先模型，而商湯（絕影開悟） 憑借其“首個高分辨率與稀疏控制的多視世界模型”等創新，在技術指標對比中與這些國際巨頭同臺競技，成為平臺賦能型的代表廠商。

資料來源：沙利文分析，頭豹研究院03

當前超過80%自動駕駛算法使用世界模型進行輔助訓練，世界模型推動自動駕駛系統持續學習、自主驗證并快速迭代優化。

當前，超過80%自動駕駛算法使用世界模型進行輔助訓練。世界模型能通過生成多層復雜要素結合的場景，將傳統算法難以覆蓋的“高動態+高不確定性”場景轉化為可控問題，助力自動駕駛系統在產品性能和市場表現的雙重升級。一方面，世界模型能夠快速生成海量高保真場景，覆蓋長尾與極端事件，顯著增強系統魯棒性與安全保障。另一方面，世界模型通過高效仿真替代真實路測，不再依賴昂貴標注和地圖數據，在降低研發成本體系的同時推動產品快速迭代和市場拓展。其通過構建“真實數據→模型訓練

→仿真場景驗證→模型部署”的閉環反饋機制，并提供統一的潛在世界狀態表征，從而為感知、預測、規劃、控制等模塊提供一致的認知語境。因此，世界模型能夠推動自動駕駛系統持續學習、自主驗證并快速迭代優化，從而顯著提升端到端自動駕駛表現。世界模型是突破L4（如Robotaxi等）規模化部署瓶頸的加速器，是構成自動駕駛智能體走向類人認知與判斷模式的關鍵基礎。

資料來源：沙利文分析，頭豹研究院04

世界模型是重塑具身智能開發范式的核心引擎，為具身智能提供高質量、低成本、易擴展的合成數據生成路徑，解決當前數據瓶頸，未來世界模型將成為具身智能的“認知核心”

具身智能代表著AI從純粹的信息處理轉向物理世界的交互。其核心痛點在于物理交互數據的“千倍級缺口”，缺口超過99%。具身智能所需的數據需要整合文本指令、 多視角視覺、關節運動軌跡及物理交互等多維信號，復雜度遠超純文本或單一視覺模態。采集真實的物理交互數耗時長成本高，使得技術研發速度嚴重滯后。而世界模型能生成視覺逼真、物理精確的合成數據，有效克服了傳統仿真數據與真實世界之間的差異。同時能夠大幅降低數據獲取的時間和經濟成本，并輕松實現數據規模的擴展。通過世界模型生成的海量、多樣化合成數據進行訓練，能顯著提升具身智能模型在未知環境中的適應能力和任務執行成功率。

當前，自動駕駛領域的世界模型應用成熟度高于具身智能領域；而未來，世界模型將成為具身智能的“認知核心”。世界模型不僅為具身智能提供數據支持，更正在重塑其整個開發范式。世界模型作為平臺的預測與生成引擎，無縫整合了從數據合成、算法訓練到仿真驗證的全流程，形成了一個高效的閉環迭代系統。通過提供集成化的工具鏈，消除了自行構建基礎設施的復雜工程障礙，讓開發者能專注于算法與應用創新，從而大幅提升研發效率。為“感知-決策-執行”全流程提供安全、可解釋的閉環驗證，通過精確模擬物理交互，系統性提升智能體的適應性和可靠性。深度整合開發工具鏈，消除了傳統割裂流程帶來的效率損耗，支持對主流模型進行高效的開發、訓練和性能優化。

資料來源：沙利文分析，頭豹研究院05

案例分析:商湯‘開悟世界模型’綜合能力在獨立第三方及主機廠中處于領先地位

商湯“開悟”世界模型綜合能力在獨立第三方及主機廠中處于領先地位，可以媲美世界領先的世界模型廠商。在智能駕駛方面，商湯為自動駕駛廠商提供低成本海量仿真數據與極端場景覆蓋，助力加速訓練迭代與量產落地。與智己汽車共建端到端數據工廠，通過生成高風險長尾場景補足訓練和驗證數據，顯著加快智駕量產落地。以及在上海自動駕駛實訓場支撐數據到模型上車的全鏈路，規模化生成多視角仿真數據，降低數據成本并提升研發效率。

此外，商湯構建了以商湯“開悟”世界模型為核心引擎的悟能具身智能平臺，實現視覺感知、精準導航與多模態交互，并通過端側與云側算力支撐，實現智能體在真實環境中的自主理解與行動。該平臺是首個支持高分辨率與稀疏控制的多視世界模型，突破了具身智能數據合成技術瓶頸。同時展現了其領先的合成數據能力，支持一鏈生成場景多樣性可控泛化場景要素可控耦合、任意編輯3D技術控制生成逼真軌跡。

關鍵詞：