World Model

1980
传统动力学模型
        ↓
2018
World Models(VAE+RNN)
        ↓
2019
Dreamer
        ↓
2022
视频世界模型
        ↓
2024
V-JEPA / GAIA-1
        ↓
2025
机器人世界模型
        ↓
2026+
Robot Agent

感知
↓
端到端驾驶
↓
视频预测(目前FSD)
↓
世界模型
↓
Agent驾驶

现在很多模型学到：

乌云
↓
下雨

但没真正学会：为什么会下雨

它更像：统计规律

而不是：物理机制

这是机器人最头疼的问题。

模型可能：

前5秒：桌子在左边

后5秒：桌子突然消失

人不会这样。

因为人脑里有：持久世界状态

AI还很弱。

真实世界
↓
Omniverse(建世界)
↓
Cosmos（世界模型: 理解世界 + 生成世界 + 预测世界）
↓
GR00T / Robot Policy
↓
机器人

机器人跑校园
↓
采集100小时
↓
训练

虚拟机器人出生
↓
乱动
↓
摔倒
↓
探索
↓
拿东西
↓
避障
↓
学会规律
↓
迁移到真实机器人

现实世界有很多“脏东西”。

模拟：地板摩擦=0.6

现实：

0.45
0.52
0.71
下雨变0.2

--------------------

模拟：灯光稳定

现实：

逆光
阴影
镜面反射

--------------------

模拟：人正常走

现实：小孩突然跑出来

所以可能出现：

模拟里：100%成功

现实里：撞墙

不是：固定世界

而是：

随机光照
随机摩擦
随机天气
随机障碍
随机人物

叫：Domain Randomization

流程：

训练：

10000种世界
↓
现实：

属于其中一种

这样迁移会好很多。

动物不仅学物理，还学：

因果
社会行为
长期目标

例如：

猫不是只知道：球滚

还知道：

主人拿零食袋-> 可能有吃的

这涉及：记忆 - 动机 - 奖励

而不是单纯物理模拟。

所以只建：

3D世界 + 物理引擎

还不够。

很多人现在想做的是：

物理世界 + 社会世界 + 语言世界 + 长期任务

虚拟世界
↓
机器人像动物一样成长
↓
学会世界规律
↓
迁移到现实
↓
通用机器人

猫出生以后：

24小时视觉
24小时触觉
24小时运动
持续几个月

总交互次数非常惊人。

强化学习里通常：

到终点 +1
撞墙 -1

但现实不是游戏。

配送机器人：

任务：

送咖啡

实际隐含：

不要撞人
不要太慢
不要洒咖啡
不要挡路
不要走草坪

怎么写：

奖励函数 = ?

非常难。

动物其实自带：

饥饿
疼痛
好奇

AI 没有天然这些东西。

这个很像 LLM 幻觉。

例如：

机器人学到：

门通常向里开

现实：

这次向外开

它可能内部仍然预测：

门向里开

然后行为崩掉。

因为模型学的是：

统计规律

不一定是：

真实因果规律

无限现实世界
↓
缩小成有限场景
↓
穷举
↓
获得高可靠性

早期很多人想：

采集100万公里
↓
覆盖全部情况

后来发现：

长尾事件几乎无穷：

大风吹塑料袋
倒下的自行车
逆行电动车
小孩追球

所以现在很多公司变成：

真实数据 + 仿真生成 + 规则约束

真实数据
↓
抽取规律
↓
世界模型
↓
生成新世界
↓
生成大量高价值数据


而不是：

真实世界
↓
无限采集

Jensen 多次把这个称作：

Physical AI 的数据工厂（Data Factory）。

也就是说：

1000小时：

机器人在空走廊直行

可能价值：

≈10小时

而：

10分钟：

小孩突然跑出

可能价值：

≈100小时

所以未来重点可能是：

Data Quantity
↓
Data Quality
↓
Data Value

传统：

随机采数据

NVIDIA 越来越像：

模型训练
↓
找到失败案例
↓
定向生成困难场景
↓
继续训练

闭环：

Train
↓
Fail
↓
Generate
↓
Train

这有点像学生刷题：

不是把10000道加法题做十遍

而是：专门做不会的题

Google 现在做的越来越不像传统仿真器。

以前逻辑：

建3D世界
→ 加物理引擎
→ 放机器人进去训练

现在开始变：

看海量视频
→ 学习世界规律
→ 直接生成世界

也就是：

不手工搭建世界，而让模型“想象世界”。

有点像：

GPT 学语言
↓
世界模型学物理

这条路线的目标是：

减少人工建模
自动生成场景
自动生成机器人行为

Tesla 基本属于：

少仿真，多真实数据

路线更像自动驾驶延伸：

真实车辆
→ 收集视频
→ 自动标注
→ 训练
→ 回收更多数据

然后把自动驾驶的数据体系迁移到机器人。

他们比较相信：

世界太复杂，模拟永远不够真实。

所以仿真只是辅助。

中国其实很猛，但外界关注少。

比如：

Lightwheel（光轮智能）
部分机器人数据公司
自动驾驶数据平台

在做：

真实数据
+ 仿真扩增
+ 自动标注

核心不是做仿真软件，而是做：

“机器人数据工厂”

例如：

真人抓杯子 100 次
↓
自动生成 10000 次变化

包括：

光照变化
材质变化
位置变化
摩擦变化
障碍变化

很多人忽略了这帮老牌玩家：

Siemens
Ansys
Dassault Systèmes

他们几十年前就在干数字孪生。

汽车厂里很多流程：

发动机
车身
传感器
工厂

都已经能先在虚拟世界跑。

区别在于：

NVIDIA：

机器人学会干活

工业软件：

先把世界精确建出来

把世界统一成一种格式：

机器人
+ 传感器
+ 材质
+ 光照
+ 动态物体
= USD场景

类似“机器人世界的 HTML”。

它能接入：

CAD（工业设计）
Blender / Maya（3D建模）
工厂数字模型
自动驾驶地图

变成：

所有世界都能进入同一个“虚拟宇宙”

多个工程师可以同时编辑一个世界：

改机器人
改工厂
改物理参数

类似：

Google Docs，但用于3D世界

包括：

重力
摩擦
刚体碰撞
关节运动
流体（部分）

例如：

机器人抓杯子
→ 计算手指压力
→ 杯子滑动
→ 失败/成功

机器人看到的不是“图片”，而是：

RGB相机
深度相机
LiDAR
IMU

Isaac Sim 会模拟：

真实噪声
镜头畸变
光照变化
遮挡
延迟

这一步决定“仿真能不能转真实”。

传统仿真（CPU）：

慢
只能少量机器人

NVIDIA 用 GPU：

并行模拟上千机器人
同时跑不同场景

同一个厨房
→ 改光照（白天/夜晚）
→ 改物体位置
→ 改材质
→ 改杂乱程度

变成：

1 个场景 → 100 万变体

现实世界最大痛点：

标注太贵

仿真世界：

直接知道：
- 每个物体位置
- 深度
- 轨迹
- 力

无需人工标注。

让模型“见过一切乱七八糟的情况”：

光线极端变化
摄像头抖动
物体随机摆放

目的：

防止模型只会“背答案”

人操作机器人
↓
记录轨迹
↓
AI学习

成功 = +1
失败 = -1

机器人自己试：

拿杯子
走路
避障

问题是：

仿真世界 ≠ 真实世界

所以 NVIDIA 做了很多“缩小差距”的技术：

噪声建模
物理参数扰动
随机化训练
真实数据微调

真正完整系统是：

真实机器人运行
↓
收集数据
↓
更新仿真世界
↓
再训练模型
↓
部署更多机器人
↓
再收集数据

这就是你之前提到的：

“数据飞轮”

NVIDIA 的组织结构
│
├── 1️⃣ Compute Platform（算力平台 / 核心现金牛）
│     │
│     ├── GPU 硬件（GeForce / RTX / Data Center GPU）
│     ├── CUDA 计算平台
│     ├── TensorRT / cuDNN
│     └── DGX 系统（AI服务器）
│
│     👉 本质：卖“算力引擎”
│
│
├── 2️⃣ AI Platform（人工智能平台 / 增长引擎）
│     │
│     ├── Foundation Models（大模型生态）
│     ├── NVIDIA AI Enterprise
│     ├── 推理服务（Inference Stack）
│     └── NeMo / Triton 等工具链
│
│     👉 本质：卖“智能能力”
│
│
├── 3️⃣ Simulation & Omniverse（物理世界平台 / 战略级）
│     │
│     ├── :contentReference[oaicite:1]{index=1}
│     │      ├── USD 世界建模系统
│     │      ├── 工业数字孪生
│     │      └── 多人协作3D世界
│     │
│     ├── :contentReference[oaicite:2]{index=2}
│     │      ├── 机器人训练环境
│     │      ├── 传感器仿真（RGB / LiDAR）
│     │      └── 强化学习平台
│     │
│     ├── DRIVE Sim（自动驾驶仿真）
│     └── 工业/工厂数字孪生
│
│     👉 本质：卖“可生成世界的数据工厂”
│
│
├── 4️⃣ Automotive（汽车业务）
│     │
│     ├── 自动驾驶芯片（DRIVE Thor 等）
│     ├── 自动驾驶软件栈
│     └── 仿真 + 训练闭环（与 Omniverse 强绑定）
│
│     👉 本质：AI上车
│
│
├── 5️⃣ Robotics（机器人业务）
│     │
│     ├── Jetson 边缘计算平台
│     ├── 机器人 AI Stack
│     └── 仿真训练（Isaac Sim 强绑定）
│
│     👉 本质：AI落地到物理机器人
│
│
└── 6️⃣ Networking（网络与数据中心基础设施）
      │
      ├── InfiniBand / NVLink
      ├── 交换机（Mellanox体系）
      └── 数据中心互联

NVIDIA → 仿真 + 数据生成 + 训练平台
Google / DeepMind → 世界模型
Tesla → 真实闭环数据飞轮

👉 本质是：

“定义机器人如何学习世界”

你看到的公司大概是：

人形机器人
仓储机器人
工业机器人
服务机器人

特点是：

做产品很多
做平台很少

🇺🇸 美国

具身智能/AI公司融资结构：

VC + Big Tech + sovereign long-term capital
可以 10–15 年不退出
可以内部上市（比如私有化轮次继续融资）

👉 结果：

不急着 IPO

🇨🇳 中国

典型结构：

VC基金期限 5–8 年
LP要求退出
地方基金 + 产业基金占比高

👉 结果：

到周期后必须“找出口”

具身智能 IPO 队列

① 已上市
   ├─ 极智嘉
   ├─ 云迹科技
   ├─ 工业机器人公司群

② 正在IPO（核心）
   ├─ 宇树（人形）
   ├─ 智元（人形）
   ├─ 云深处（四足）
   ├─ 乐聚（人形）

③ IPO辅导 / 准备
   ├─ 傅利叶
   ├─ 斯坦德
   ├─ 多家仓储/巡检机器人

④ 未来候选
   ├─ 银河通用
   ├─ 星海图
   ├─ 智平方