1. 盘点一周AI大事(5月31日)｜Claude重夺最强 Anthropic升级Claude Opus 4.8 Google的数学大模型成功解决了9个埃尔德什难题 Meta开源最强生物大模型ESM Figma上线实时编辑FIGMA MAKE NOW 研究员开源最强AI研究员AutoScientists 英伟达开源图像超分模型PiD Grok上线最强图生视频模型Grok Imagine Video 1.5 研究员开源最强游戏世界模型SCOPE 研究员开源最强3D建模PhysX Omni ElevenLabs上线最强音乐模型Music v2 ElevenLabs上线最强配音模型Dubbing v2 #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

2. Wayve最近的GAIA-3分享：全面扩展世界模型的评测能力......

3. 打破具身世界模型可执行性鸿沟！港中深-跨维智能团队提出EVA框架，用强化学习让视频世界模型真正“动”起来

4. 世界模型榜首易主！跨维智能登顶WorldArena

5. AI圈最顶级的一次争吵，理解世界还是堆模型？ #大咖观察 #红衣聊AI #大模型 #人工智能

6. 世界模型双冠王诞生！国产世界模型力压谷歌、英伟达等持续领跑

7. CVPR 2026 WorldArena挑战赛启动，高德开源高性能世界模型基线

8. 北交大 x 小米 EV 团队：一次关于世界模型「靠不靠谱」的系统复盘

9. 复旦铁三角：开辟最优物理AI路径！时空一体世界动作模型问世

10. 本周AI项目推荐：逆矩阵、Manifold、Liber AI...又一批世界模型公司冒了出来

11. 全面解析“世界模型”：定义、路线、实践与AGI的更近一步【硅谷101】

12. 国产具身世界模型「破晓时刻」！中科第五纪FlowWAM登顶全球榜单，斩获双料第一

13. 机器人模型R1时刻！不只学动作更学会物理推理，LIBERO 99.9%

14. 500万次围观，1X把「世界模型」真正用在了机器人NEO身上

15. 力压李飞飞团队登顶WorldScore，黑马Manifold AI领跑世界动作模型新范式

16. 当世界模型开始“指挥双手”，蚂蚁灵波的具身路线更清晰了

17. NVIDIA吴新宙：世界模型是自动驾驶最本质的一环

18. 在 2026 GTC 上，理想汽车发布下一代自动驾驶基础模型MindVLA-o1。1、不再只是识别平面的图像，而是通过 3D 视觉编码器，配合激光雷达，让车真正读懂了三维物理空间的深度和结构。2、模型在决策前，会在隐空间中提前“想象”未来几秒的场景演化。这种多模态思考让决策不再是生硬的条件反射，而是有逻辑的推演，使其“想得更深” 。3、通过混合专家模型（MoE）一次性生成完整的驾驶轨迹，并确保动作符合物理规律与车辆动力学约束，实现“行得更稳” 。4、利用自研渲染引擎，场景生成速度提升 2 倍，训练成本降低了约 75% 。5、这套由 MindData（数据引擎）、MindVLA-o1（核心模型）、MindSim（世界模型）和 RL Infra（强化学习基建）组成的架构，本质是在为硅基生命构建“大脑”与“躯干” 。用理想汽车基座模型负责人詹锟的话来说，这是一套面向物理世界的通用智能体，不仅可以用在车辆上，也能扩展到机器人。#理想汽车# 电动星球小新的微博视频

19. 三问三解 | 什么是世界模型？

20. Waymo联手DeepMind打造世界模型：基于Genie 3，让自动驾驶「脑补」罕见场景

21. 英伟达GTC 2026，理想分享了下一代自动驾驶基座模型MindVLA-o1，简单给大家拆解下里面的要点：1. 3D空间理解、3D ViT + 3DGS：感知层面以视觉为主，但把激光雷达点云作为三维几何提示（Prompt）输入给 3D ViT 编码器。重点是引入了前馈式 3DGS 表示，把场景里的静态背景和动态物体拆分开来分别建模。然后系统通过“预测下一帧”来做自监督训练，从而一次性提取深度、语义和物体运动特征。讲大白话，就是用激光雷达来训练视觉，不是在测试车上，而是在量产车上实现。2. 多模态思考、隐世界模型：决策端引入了预测式隐世界模型（Predictive Latent World Model）。在给出具体的驾驶动作前，模型会先在隐空间里推演未来几秒的场景演化。这相当于给 AI 装上了预判能力，让它能在脑海中提前“想象”未来画面，想清楚了再动。3. 统一行为生成，并行解码 + 离散扩散：采用 VLA-MoE（混合专家模型）架构，专门切分出了 Action Expert（动作专家）。为了解决动作输出的延迟问题，用了并行解码技术，一次性生成整条轨迹的所有点。同时，套用离散扩散模型做多轮去噪优化，保证生成的轨迹连续，且符合车辆真实的物理动力学约束。4. 闭环强化学习、世界模拟器：长尾场景靠实车跑不现实，所以理想在世界模拟器里跑大规模的闭环强化学习。他们搞了一套分布式的 3DGS 渲染引擎，让渲染速度提升了近 2 倍，训练成本直接降低了约 75% 。5. 软硬件协同设计：针对端侧算力部署，利用 Roofline 模型建立了一套分析框架。他们在英伟达 Orin 和 Thor 平台上寻找模型精度和推理延迟的帕累托前沿，把架构探索的时间从数月缩短到了几天。总结一下，MindVLA-o1 的技术内核是一个融合了 3D 空间理解、基于世界模型推演未来、并通过闭环强化学习不断优化的复杂网络。这套算法的通用性不仅能用来控车，还能直接跨界控制机械臂。#英伟达携手国内多车企加速L4落地#

22. 刚刚！AI生成3D大模型，VAST完成近2亿美元A+轮融资，推出世界模型Project Eden

23. 博世一篇最新的端到端世界模型工作：统一理解、规划和生成

24. Momenta不选VLA选世界模型

25. 29 岁创业者融了 5000 万美元，押注世界模型和UGC

26. 英伟达机器人负责人：AI智能体将引爆机器人领域"ChatGPT时刻"

27. 印奇挂帅阶跃星辰：大模型「季后赛」进入物理世界

28. 聊天机器人只是过客？谷歌押注“世界模型”，寄希望智能眼镜成为AI真正“杀手级”应用

29. Waymo刚刚的世界模型分享：自动驾驶仿真的新进展...

30. 当AI学会了创造世界，科幻电影中的机器人时代开始全面加速！ #AI新星计划 #科技改变生活 #玩个很新的东西 #世界模型 #具身智能

31. 小鹏三登CVPR：自动驾驶下一步，不是VLA与世界模型二选一

32. 世界模型来了，旧的自动驾驶芯片开始失效

33. 小鹏Drive-JEPA：结合JEPA的世界模型端到端框架，最新SOTA！

34. Waymo的自动驾驶二十年：世界模型+端到端，然后呢？

35. 解决自动驾驶最后一公里特殊场景，像谷歌WAYMO这样堆高级传感器，看来是靠不住得靠脑子，AI需要理解物理世界，靠世界模型虽然图一只是一个例子，但多传感器融合顶流WAYMO类似的个例太多了，已经说明问题了人类为什么用双眼，只要注意力不出问题就能安全驾驶？靠的不是传感器多，而是人脑是一个超级“世界模型”，理解物理世界的规律人只需要视觉信心，配合大脑就能重建物理结构、理解常识规律、预测未来变化的强世界模型但如今ai的世界模型还远赶不上人脑的世界模型，所以我们看到了多传感器融合的“过渡性世界模型”暂时用传感器的冗余来补足脑力的不足而未来自动驾驶的终极方向，个人认为仍是视觉 AI +世界模型的进化：让 AI 像人类一样，依靠世界模型的智慧，通过机器视觉，从图像里看懂世界、理解物理、推理因果，这是我认为的最理想的：物理世界AI你觉得呢？#人工智能#

36. 【#雷军回应小米自动驾驶模型#】5月13日，@小米技术宣布正式发布并全面开源自动驾驶模型Xiaomi OneVL对此，@雷军发文表示：1. Xiaomi OneVL在业内率先通过潜空间推理，将VLA、世界模型统一到同一套框架中。2. 在推理、规划等多个主流基准上，Xiaomi OneVL全面刷新了潜在推理方法的性能上限。3. 模型与代码全面开源。欢迎全球开发者、研究人员一起参与，探索自动驾驶大模型的更多可能性。#雷军回应发布小米自动驾驶模型# 网页链接

37. Xiaomi OneVL 自动驾驶模型正式发布并全面开源不是堆参数，而是把大模型推理延迟压到了0.24 秒，在保证精度的前提下，给量产智驾留了一条能跑起来的路。统一 VLA、世界模型和潜空间推理三大技术路线，还把模型和代码全开源了，让大模型智驾离量产更近了一步。小米原文链接：http://t.cn/AXifkdP0 #小米发布自动驾驶模型##小米自动驾驶模型XiaomiOneVL发布#

38. 世界模型（World Model）是不是机器人（具身智能）下一个“奇点时刻”？

39. 盘点一周AI大事(2月1日)｜AI乌托邦魔幻开局 Google上线世界模型Project Genie 阿里开源实时世界模型LingBot-World AI乌托邦社区Moltbook爆火 Chrome升级为AI浏览器月之暗面发布最强开源大模型Kimi K2.5 Gemini 3 Flash升级视觉能力腾讯发布最强开源图像模型HunyuanImage 3.0-Instruct 阿里开源Z image Base满血版 OpenMOSS发布最强开源视频模型MOVA MIniMax上线顶级音乐模型MiniMax Music 2.5 英伟达开源天气预测模型Earth-2 #AI新星计划 #前沿科技趋势发布月 #抖音知识年终大赏 #AI #AIGC

40. 何小鹏：「端到端小模型」是巨大的「缝合怪」！

41. 硅谷那边搞了 3 小时直播，聊 2026 科技趋势。我替你们听完了，总结成人话：1. AI 大模型：卷不动了，接下来拼应用场景2. 自动驾驶：Waymo 在旧金山已经能打了，国内还得再等等3. 机器人：别买，2027 年再看4. 世界模型：听着很玄，其实就是让 AI 理解物理规律我个人最看好自动驾驶。原因很简单——它不是"更好用"的问题，是"能不能用"的问题。一旦 L3 普及，整个出行逻辑都变了。你们最期待哪个？我先押自动驾驶。🚀

42. 4D版Marble？NeoVerse：用百万单目视频打造通用4D世界模型

43. 理想一篇OCC世界模型：全新轨迹条件稀疏占用世界模型SparseWorld-TC

44. 全新 ES8 体验世界模型 2.0

45. 文远WeRide GENESIS世界模拟器方案解析

46. 《Demonstrably Safe AI For Autonomous Driving》Waymo以“可证明安全”的AI为核心，重新定义自动驾驶安全标准。超过1亿英里的完全自动驾驶里程，助力实现严重伤害事故减少十倍以上，真正让街道更安全。他们的独特AI策略基于“Waymo基础模型”，构建了一个统一且安全的AI生态系统。这个系统包含三大核心组件：智能驾驶员（Driver）、高保真闭环模拟器（Simulator）和严格评测者（Critic），三者共享同一基础模型，形成持续学习与优化的良性循环。基础模型采用“快思考+慢思考”架构：- 传感器融合编码器快速处理摄像头、雷达等数据，实现敏捷反应；- 驾驶视觉语言模型（Driving VLM）则深入理解复杂语义，处理稀有且复杂的道路情境。通过教师-学生模型蒸馏技术，强大的教师模型被安全压缩成适合车载实时运行和大规模模拟的高效学生模型，保证性能与效率兼顾。模拟器生成物理真实且大规模的虚拟环境，支持闭环训练与极端场景测试；评测者则主动发现边缘案例，推动精准改进。整个系统通过强化学习不断进化，结合真实世界自动驾驶数据，形成内外双重学习闭环。大量真实自动驾驶数据积累是不可替代的宝贵资源，远超传统人工驾驶数据，为持续提升提供坚实基础。Waymo的AI生态不仅推动了自动驾驶技术革新，更树立了行业安全新标杆。未来，Waymo将继续拓展AI边界，推动自动驾驶安全与智能迈向新高度。waymo.com/blog/2025/12/demonstrably-safe-ai-for-autonomous-driving

47. 实测世界模型 Genie3 通过一些奇怪的案例

48. #小米发布自动驾驶模型#小米自动驾驶模型Xiaomi OneVL：一步式潜空间语言视觉推理框架，正式发布并全面开源。该模型将VLA、世界模型和潜空间推理三大技术路线统一到同一框架中，让大模型推理“既快又准”，为量产车端实时部署提供了可行路径。欢迎全球开发者与研究人员共同参与，探索自动驾驶大模型的无限可能。小米技术新突破！Xiaomi OneVL 自动驾驶模型正式发布并全面开源

49. 刚刚，小扎买了一家机器人公司，要做人形机器人的「安卓平台」

50. CES 2026 黄仁勋演讲聚焦自动驾驶与物理 AI！2026Q1 英伟达全栈自动驾驶车将在美国测试，2027 年推进 L4 Robotaxi，还开源了自动驾驶推理模型 Alpamayo。同时布局物理 AI，推出 Cosmos 仿真工具和 Isaac GR00T 机器人模型，联合多家企业搭建生态，黄仁勋称物理 AI 的 “ChatGPT 时刻” 将至。

51. 理想汽车自动驾驶研发高级副总裁郎咸朋发微博，回应宇树科技创始人王兴兴对VLA（视觉-语言-动作模型）的质疑，强调VLA（也是理想目前辅助驾驶技术路线）是当前自动驾驶的最佳模型方案。发布了头条文章：《理想回应王兴兴质疑：“最好的自动驾驶”是用VLA还是世界模型？》理想回应王兴兴质疑：“最好的自动驾驶”是用VLA还是世界模型？

52. 如果说过去十年，智能辅助驾驶的竞争是“谁能把一个城市做好”，那么未来十年，竞争将变成“谁能用一套模型，在最多场景中稳定运行”。在这个过程中，行业将逐渐分化为两类公司，一类仍停留在场景工程与局部优化层面，另一类则通过基础模型与数据飞轮演化为“移动物理AI基础设施”，而卓驭此次发布的原生多模态基础模型，也是一次重要的尝试。发布了头条文章：《世界模型流派下，卓驭如何调整智能辅助驾驶的成本结构》世界模型流派下，卓驭如何调整智能辅助驾驶的成本结构

53. 李飞飞

54. 世界模型的功能分类 - 李飞飞最新文章

55. 刚刚，李飞飞亲自下场定义世界模型

56. 李飞飞长文拆解世界模型实现路径

57. 世界模型乱象？李飞飞亲自下场定义 World Model

58. 李飞飞

59. 李飞飞

60. 世界模型的功能性分类法

61. 李飞飞定义世界模型三大功能

62. 李飞飞厘清世界模型分类模拟器才是行业核心枢纽

63. 李飞飞最新论文:渲染、模拟、规划，怎样才算是世界模型？

64. 深度｜李飞飞最新万字长文

65. 都别吵了，李飞飞把「世界模型」定义和重点讲清楚了

66. WorldDrive

67. 不止于感知

68. 自动驾驶世界模型

69. DriveLaW: 先做更好的世界模型，再做更好的自动驾驶

70. 世界模型在自动驾驶中的应用

71. 深度解析自动驾驶世界模型

72. 世界模型

73. 自动驾驶中常提的世界模型是什么？

74. 2026世界模型全面爆发

75. 世界模型发展浅探

76. 智能体世界模型综述晓读

77. 世界模型最新综述！中科院联合MBZ、NTU、Oxford系统梳理前沿进展

78. 2026最火AI技术

79. 世界模型的三层能力阶梯

80. 世界模型简介

81. 什么是世界模型(World Models)？

82. 简说世界模型基本概念

83. 圆桌|世界模型的“前世今生”与终极猜想探讨

84. 物理直觉、认知规划、3D交互:世界模型三大流派如何重塑AI未来?

85. Agent2World来了，把世界模型做成可运行的符号环境

86. 李飞飞亲自下场定义世界模型一文看懂渲染、模拟、规划别乱叫世界模型了，李飞飞这篇定了小牛说：刚刚，李飞飞亲自下场，给世界模型下了个清晰的定义。她直言这是AI领域重要也被滥用的术语之一。世界模型究竟分几类？李飞飞划出三条线：渲染器、模拟器、规划器。渲染器追求视觉逼真，比如谷歌Genie 3；规划器决定机器人动作，大量热钱涌入；而模拟器是连接前两者的桥梁，要求几何物理精准，应用前景超万亿美元。但数据瓶颈仍是核心难题。李飞飞认为，三类模型正在融合，终将走向统一的世界模型。你怎么看？评论区聊聊。 #规划器 #AI定义 #李飞飞 #世界模型 #空间智能

87. 李飞飞世界模型的功能分类法：当渲染、模拟与规划走向融合

88. 以后谁再管自己叫世界模型，你就问他一个问题

89. 什么是世界模型？探讨 WMs 的关键技术及其价值

90. 连李飞飞都看不下去了亲自给世界模型划了三条线 2026 年，世界模型成了 AI 圈最火的词。LeCun 拿十亿美金创业押注它，李飞飞的公司估值一年翻好几倍，热钱疯狂往里涌。可问题是——全世界都在抢的这个东西，连定义都没统一。视频生成模型叫世界模型，能玩游戏的语言模型也叫世界模型，连物理引擎都被塞进这个筐里。乱到李飞飞本人都看不下去了，亲自撰文，把这个被滥用的词切成三类：渲染器、模拟器、规划器。这期讲清楚三件事——这三类到底怎么分，为什么 Sora 再惊艳也只是个渲染器，以及为什么最不起眼的模拟器，才是整件事的关键。看完你就有了一把尺子，一眼看穿任何号称世界模型的东西。#ai新星计划 #AI #青年创作者成长计划#vibecoding大赏

91. 图灵奖得主与AI教母的10亿美元“赌局”：世界模型正分裂为这六大流派

92. 刚刚，李飞飞世界模型开源了个渲染神器

93. 像素、几何还是因果？世界模型五大路线深度拆解

94. AI三大流派与世界模型

95. 世界模型：后LLM时代的AI新战场与万亿级产业蓝图

96. 世界模型：赋能物理智能的新一代神经网络

97. 世界模型四大范式：规划器、模拟器、合成器、动作模型

98. 世界模型系列79：外部模拟器

99. 物理直觉、认知规划、3D交互：世界模型三大流派如何重塑AI未来？

100. 世界模型与世界动作模型（WAM）：从基础模拟器到具身动作

101. 别再乱叫“世界模型”了：一张图分清 4 类（附18家清单）

102. 全面解析世界模型：定义、路线、实践与AGI的更近一步

103. World Model 进阶式论文【一】

104. 世界模型如何让AI像人一样预判物理世界？

105. 一文看懂世界模型的技术流派（四）

106. 世界模型有哪些团队值得去

107. 从多模态生成到世界模型：AI架构演进、技术瓶颈与未来路线解析

108. Tech｜世界模型狂飙：技术路线、市场格局与龙头企业调研

109. 世界模型让机器人“想象”世界

110. 南开具身智能中的世界模型！世界模型的分类、评估与未来趋势

111. 2026最大风口！世界模型三大流派混战，OpenAI、谷歌正面硬刚

112. 机器人在“模型世界”里进化？智元发布世界模型GE-Sim2.0

113. 智驾世界模型哪家强？WorldBench团队提出系统性评测体系，判断世界模型是否真的可用

114. 可以互动的世界模型：Interactive World Simulator

115. 「未来不远机器人」首个自动化世界动作模型正式亮相

116. 大模型技术演进：世界模型驱动人工智能从感知走向决策研究总结报告

117. Micro-World：AMD 首个开源交互式世界模型，面向开放域场景的动作可控视频生成

118. 如何构建适合自动驾驶的世界模型？

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！