世界模型有望讓物理AI更進一步

原標題：機器人的“ChatGPT時刻”來臨？英偉達帶火世界模型，國內廠商緊跟而上，谷歌也坐不住了！
文章來源：大數據文摘
內容字數：5817字

2025年：具身智能機器人賽道的“ChatGPT時刻”

2025年伊始，具身智能機器人賽道便迅速升溫。英偉達發布的Cosmos世界模型開發平臺，以及智元機器人研究院關于機器人4D世界模型的論文，都預示著“世界模型”成為行業焦點。谷歌也從OpenAI挖角，組建新團隊加速研究模擬物理世界的人工智能模型，種種跡象表明，機器人領域的“ChatGPT時刻”或許即將到來。

1. 英偉達Cosmos：通用的世界基礎模型

英偉達推出的Cosmos旨在幫助開發者構建定制化的世界模型。它是一個通用的世界基礎模型（WFM），能夠利用文本、圖像、視頻和動作等數據生成和模擬虛擬世界，準確模擬場景中物體的空間關系及其物理交互。Cosmos采用“先預訓練再后訓練”的范式，利用大規模數據集進行預訓練，再利用較小規模數據集進行微調，從而更高效地構建物理AI系統。其在2000萬小時的現實世界數據中訓練了9000萬億個token，支持文本到世界或視頻到世界的生成，可用于合成數據增強訓練數據集，并加速AI代理在虛擬世界的強化學習。

2. 智元機器人研究院的EnerVerse架構

智元機器人研究院針對多模態對齊和數據稀缺問題，提出了EnerVerse架構。這是一個自回歸擴散模型，能夠在生成未來具身空間的同時引導機器人完成復雜任務。EnerVerse具有卓越的空間生成能力，在機器人動作規劃任務中達到最優表現，并能生成高質量合成數據，減少對真實世界數據的依賴，實現模擬與現實的無縫過渡。尤其在長距離機器人操作任務方面表現突出。

3. 行業巨頭與初創公司的布局

除了英偉達和智元機器人，其他科技巨頭和初創公司也積極布局世界模型領域。OpenAI投資多家機器人公司，谷歌組建新團隊研究模擬物理世界的人工智能模型。此外，一些新興公司如World Labs也致力于世界模型的研究，相信世界模型未來將廣泛應用于機器人、自動駕駛等領域。

4. 生成式AI的下一個里程碑

基于互聯網數據訓練的生成式模型已改變文本、圖像和視頻內容的創作方式。生成式模型的下一個里程碑是更逼真地模擬現實世界物理特性，對人類、機器人等交互主體的行動做出響應。2025年，隨著世界模型技術的不斷發展，這一里程碑或許將實現。

總而言之，世界模型正在成為具身智能機器人領域的關鍵技術，其發展將極大地推動機器人技術的進步，并為未來智能化社會帶來性的變化。

聯系作者

文章來源：大數據文摘
作者微信：
作者簡介：普及數據思維，傳播數據文化