世界模型 2026：四大阵营、百亿资本与路线之争

把 2025 年 8 月到 2026 年 9 月的资金数字排成一行，就能看出风向：LeCun 的 AMI Labs 种子轮 10.3 亿美元（欧洲史上最大），李飞飞的 World Labs 新一轮 10 亿美元，随后整个公司被 AMD 以报道口径 82 亿美元收入囊中；中间还夹着 NVIDIA 开源 Cosmos 3、DeepMind 把 Genie 3 开进 Google 订阅渠道。本站 10 月 7 日的概念篇讲清了世界模型「是什么、和视频生成差在哪」；本文讲格局——谁在做、钱从哪来、路线怎么分、以及怀疑者为什么还不敢信。

一张时间线：从论文词汇到资本主战场

timeline
    title 世界模型大事记 2024 - 2026
    section 2024
        2 月 Sora 引发「世界模拟器」之争，Genie 1 论文发布
        12 月 Genie 2 单图生成可玩 3D 世界
    section 2025
        1 月 NVIDIA Cosmos 开源发布，LeCun 预言 LLM 范式寿命
        6 月 Meta V-JEPA 2 零样本操作机械臂
        8 月 Genie 3 实时交互世界
        11 月 LeCun 宣布离开 Meta，Marble 全面开放
    section 2026
        1 月 Project Genie 面向订阅者开放
        2 月 Waymo 世界模型曝光，World Labs 融资 10 亿美元
        3 月 AMI Labs 完成 10.3 亿美元种子轮
        5 月 Cosmos 3 与 Gemini Omni 相继亮相
        9 月 World Labs 并入 AMD

这条时间线有两层背景。远的一层是概念史：2018 年 Ha 与 Schmidhuber 的《World Models》让智能体在自己「梦」出的环境里学策略；2023 年 DeepMind 的 Dreamer v3 在无人干预下从零集齐 Minecraft 钻石；2024 年 Genie 论文用 20 万小时游戏视频训练出 11B 参数的基础世界模型。近的一层是范式之争：LeCun 从 2023 年起反复把 LLM 比作「通往人类级 AI 高速路上的匝道」，2025 年 1 月达沃斯上他给出时间表——现范式寿命「大概三到五年」，下个十年属于机器人（TechCrunch 报道）。世界模型从不是新点子，2025 年之后变的是工程可用性与钱。

四大阵营：同一个名词，四种押注

2026 年的世界模型不再是单一技术，而是四条路线共用的招牌。

DeepMind：把世界开进订阅

Genie 3 是交互式世界生成的标杆：2025 年 8 月 5 日发布，文本生成可实时导航的世界，720p、24fps，视觉记忆约一分钟，一致性维持数分钟——而且不需要 NeRF、高斯泼溅这类显式 3D 表征，一致性是逐帧生成的涌现能力。它还支持「可提示世界事件」：一句话改天气、凭空加一头大象，为智能体提供反事实训练场景。DeepMind 在官方博客里写得很直白：「世界模型是通往 AGI 路上的关键垫脚石」。局限也同样直白：动作空间有限、多智能体交互不可靠、真实地点无地理配准、清晰文字渲染不出来、连续交互只有几分钟（官方博客）。

此后的动作是一条商业化曲线：2025 年 11 月 SIMA 2 智能体用 Genie 3 生成的陌生世界做泛化考场与自我改进闭环；2026 年 1 月 29 日 Project Genie 向美国 Google AI Ultra 订阅者开放（单次世界限 60 秒，研究总监 Fruchter 解释是「为了让更多用户用上」）；5 月 I/O 大会上 Street View 接入，真实街道可交互改天气。同一场发布会上 Pichai 给 Gemini Omni 定调：「有了世界模型，AI 正从预测文本走向模拟现实」（TechCrunch 报道）——世界模型不再另立山头，而是被并进 Gemini 主线。落地侧，据 PCMag、Ars Technica 等多家媒体 2026 年 2 月报道，Waymo 基于 Genie 3 自建世界模型模拟龙卷风、大象闯路等极端场景，号称激光雷达仿真提速四倍、支撑了 11 个美国城市的扩张；两家官方没有联合公告，细节以媒体交叉报道为准。

NVIDIA：Cosmos，物理 AI 的开放底座

NVIDIA 的路线自成一派：不做「能逛的世界」，做「能造机器人的世界模型基础设施」。Cosmos 1 在 2025 年 1 月 CES 发布，4B 到 14B 参数、Nano/Super/Ultra 三档，用 2000 万小时视频训练出 90 万亿 token，开放权重，首批伙伴是 Waabi、Wayve、Foretellix、Uber 四家自动驾驶公司；配套论文的立场是一句口号：「物理 AI 需要先在数字世界训练」。之后一年快速迭代：8 月 GTC 发推理模型 Cosmos Reason 与加速合成数据的 Transfer-2；10 月 Predict 2.5 统一文本/图像/视频到世界的生成，配 2 亿精选片段。

2026 年 5 月 31 日 GTC 台北发布的 Cosmos 3 把牌面拉满：自称「全球首个全开放 omnimodel」，原生理解并生成文本、图像、视频、环境声、动作五种模态，双塔 mixture-of-transformers 架构（推理塔配专家生成塔），Super 与 Nano 两档开放权重、Edge 待发，模型卡标注 OpenMDW 许可可商用。黄仁勋的台词是「物理 AI 的大爆炸就在眼前」。生态比模型本身更值得关注：Cosmos Coalition 创始成员包括 Black Forest Labs、Runway、Skild AI 等六家，下游点名用户有三星、LG、斗山机器人和理想汽车。NVIDIA 卖的从来不是模型，是让所有机器人公司都从它的底座上起建。

World Labs：空间智能三年，止于并入 AMD

李飞飞的 World Labs 走「空间智能」路线，产品最像传统软件：2025 年 11 月 12 日全面开放的 Marble 从单图、文本、多图甚至粗 3D 布局生成持久、可编辑、可下载的 3D 世界，导出高斯泼溅、网格与视频，订阅 $20 到 $95 每月，兼容 Vision Pro 与 Quest 3——和 Genie 的「直播流」不同，Marble 交付的是资产。公司 2024 年 9 月出 stealth 即融资 2.3 亿美元，2026 年 2 月再融 10 亿美元（AMD、Autodesk、NVIDIA、Sea 等入场，估值未披露），7 月收购机器人仿真公司 SceniX，9 月初发布空间智能模型 Atlas。

然后是这条线上最戏剧性的一幕：2026 年 9 月 28 日，World Labs 官宣签署最终协议并入 AMD——官方未披露金额，TechCrunch 报道为 82 亿美元。李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报；联创 Justin Johnson 与 Ben Mildenhall 继续带队，交易预计年底前交割。动机她自己在 Substack 里说得坦白：空间智能要规模化，「必须更靠近硬件」。GPU 厂商买下世界模型团队，等于把世界模型的算力账单直接写进了芯片路线图（本站此前有过报道）。

JEPA 阵营：LeCun 的出走与 AMI Labs

最贵的一枪来自最坚定的批评者。2025 年 11 月 11 日 FT 曝光 LeCun 离职，八天后本人发文确认，给新公司的使命画了四件事：理解物理世界、持久记忆、推理、规划复杂动作序列；并称 Meta 将成为新公司伙伴。2026 年 3 月 9 日，AMI Labs 宣布完成 10.3 亿美元种子轮，投前估值 35 亿美元：Cathay Innovation、Greycroft、Hiro Capital、HV Capital 与贝索斯家族基金 Bezos Expeditions 联合领投，NVIDIA、三星、淡马锡、丰田创投做战略方，个人股东里有 Berners-Lee、Eric Schmidt 和 Mark Cuban。公司总部巴黎，CEO 是医疗 AI 公司 Nabla 联创 LeBrun，首席科学家谢赛宁（Saining Xie），首席研究官冯雁（Pascale Fung）——首个合作伙伴正是 Nabla：LeBrun 做医疗 AI 时体会到，LLM 幻觉在诊室里可能要人命。「真正的智能不始于语言，而始于世界」是这家公司的信条。截至 2026 年 7 月它仍无产品、无时间表，LeBrun 明确拒绝 AGI 标签，也拒绝「取代 LLM」的说法——世界模型与 LLM「互补，而非替代」。

JEPA 路线的技术底座已有实证：Meta 在 2025 年 6 月发布的 V-JEPA 2 用 12 亿参数、100 万小时视频预训练，只靠 62 小时机器人交互数据就完成动作条件化，零样本操作真实 Franka 机械臂，在未见环境抓放成功率 65%–80%，权重开源；2026 年 3 月的 V-JEPA 2.1 把真实机器人抓取成功率再提 20 个百分点。LeCun 走后 Meta 官方未表态这条路线是否延续，但论文还在出。

四大阵营对比如下（截至 2026-10-09）：

为什么是现在：三股推力

第一是视频生成的技术溢出。Sora 证明了长视频生成的可行性，Genie 3 证明自回归出帧能做到实时交互——生成引擎的进步直接抬高了世界模拟的上限，Parker-Holder 的自我评估是生成质量「落后纯视频六到十二个月」，差距在收敛。

第二是具身智能的数据饥渴。真机数据又贵又慢，机器人行业撞上了当年自动驾驶的墙，而世界模型是唯一能无限量产「带动作标签的物理交互数据」的机器。Cosmos 的口号「物理 AI 先在数字世界训练」和 V-JEPA 2 用 62 小时机器人数据完成动作对齐，是同一件事的两个证明。本站《世界模型上车》拆过自动驾驶这条垂直线，逻辑完全同构。

第三是LLM 范式的集体焦虑与资本新叙事。关于 Scaling 撞墙的讨论持续了两年，头部实验室需要一个「下一幕」。LeCun 给出了最锋利的版本，资本用真金白银投票：一笔种子轮加一轮融资加一桩收购，十四个月里流向世界模型的明确资金超过 100 亿美元。热度甚至渗回了中国——就在本文发稿前一天，彭博社还在报道前字节实习生田柯宇的世界模型创业公司拿到 2 亿美元估值（本站昨日新闻）。

冷水：范式，还是下一个 buzzword？

最响的警报来自阵营内部。AMI Labs 的 CEO LeBrun 在融资官宣当天就说：「我的预测是，世界模型会成为下一个 buzzword。六个月后，每家公司都会自称世界模型去融资。」概念外溢已经发生：渲染器、仿真器、规划器都往同一个标签里装。

概念史本身也削弱原创叙事。Gary Marcus 在 LeCun 离职后发表的《对 LeCun 的错误神化》里系统地质疑：世界模型思想可追溯到 1950 年代的 Herb Simon，Schmidhuber 从 1990 年代就在做，LeCun 的贡献是布道而非首创。这类人身色彩较强的批评不必全收，但方向提醒是对的：这条线的护城河如果是「理念」，那它非常浅。

工程现实同样冷静。Genie 3 的官方局限清单（动作空间、多智能体、地理精度、文字、数分钟时长）一条没解决；Sora 时代的物理失败——被咬的饼干没有咬痕——在今天的生成世界里仍是常态。分析机构 Futurum 提醒得对：别把融资额当技术可信度的代理指标，一家 35 亿美元估值、约 12 名员工、没有产品的公司，赌的是多年路线图；而如果头部 LLM 实验室加速吸收世界模型能力，AMI Labs 架构独特性的窗口会明显收窄。事实上 Google 把世界模型并进 Gemini、LeBrun 自己说「互补而非替代」，都指向同一个结论：这不是一场取代 LLM 的革命，而是一次向 LLM 主线的并入。

写在最后：三个值得盯的信号

一是 Gemini Omni 与世界模型的合流速度——如果「预测文本」和「模拟现实」真的长进同一个模型，独立世界模型公司的生存空间会被压缩。二是 AMD 交割之后，世界模型第一次有了「为它设计芯片」的硬件主线，算力成本曲线值得跟踪。三是 AMI Labs 的交付节点：10.3 亿美元花出去之后，第一篇重磅论文或第一个产品何时出现，将决定 JEPA 路线是范式还是情怀。以上三条是本文作者的观察推测，不是事实断言——毕竟这条赛道上连「世界模型」四个字本身，都还没有公认的定义。

参考资料

• Genie 3: A new frontier for world models（DeepMind 官方博客，2025-08-05）：720p/24fps 规格、视觉记忆与五条官方局限的出处。
• NVIDIA Launches Cosmos 3（NVIDIA 新闻稿，2026-05-31）：全开放 omnimodel、Coalition 成员与下游用户名单。
• World Labs is Joining AMD（World Labs 官方博客，2026-09-28）：并入交易、李飞飞新职务与动机原话；金额 82 亿美元见 TechCrunch 同日报道。
• AMI Labs raises $1.03B（TechCrunch，2026-03-09）：融资额、投资方、团队与 LeBrun 的 buzzword 预言。
• Introducing V-JEPA 2（Meta AI 博客，2025-06-11）：12 亿参数、62 小时机器人数据与零样本操作的实证。
• Meta's Yann LeCun predicts a new paradigm of AI architectures within 5 years（TechCrunch，2025-01-23）：达沃斯言论，「范式寿命三到五年」出处。
• The False Glorification of Yann LeCun（Gary Marcus，2025-11-18）：最系统的反方观点。
• World Models（Ha & Schmidhuber，2018）：概念史起点。