世界模型愿景与路线

定义

谢赛宁在文字版访谈中把语言模型与世界模型作了直接对照：前者预测下一个 token，后者在给定动作的条件下预测下一状态 ^[1]。

可用一个通用形式表达这一目标：

$$p_\theta(s_{t+1}\mid s_t, a_t)$$

这里的 $a_t$ 是条件，$s_{t+1}$ 才是预测对象。这个公式是编者采用的标准形式化，不是访谈中的逐字公式。

是基于 your action, predict next state。

更一般地，部分可观测环境需要先把历史观测编码为潜状态：

$$z_t=E(o_{\le t}),\qquad p_\theta(z_{t+1}\mid z_t,a_t)$$

一个有用的 $z_t$ 应保留预测与决策所需的信息，并过滤无关细节。但“对什么任务充分”取决于任务族：导航充分的状态未必足以支持灵巧操作。

概念谱系与五项能力

世界模型不是 2026 年才出现的概念。原型把它追溯到 Craik 的“小尺度模型”、控制中的 Model Predictive Control，以及 Sutton 的 Dyna。新问题不是“机器内部是否需要模型”，而是能否用大规模感知和动作数据学习通用、持久、可规划的状态表示 ^[1]。

访谈总结的目标包括：

1. 理解物理世界；
2. 形成大容量、持久的关联记忆；
3. 推理与规划；
4. 支持反事实与因果判断；
5. 可控并且安全。

AMI 官方使命只直接写出“理解世界、持久记忆、推理规划、可控安全”四组；反事实与因果来自访谈扩展，不能说五项都由官网逐字确认 ^[2]。

“反向 OpenAI”：数据与价值闭环

访谈把下一阶段的数据问题概括为从公开互联网转向连续的现实感知与行为经验 ^[1]。个人主页也把目标描述为：超越纯语言系统，直接从连续、真实世界的感知输入中学习，并支持理解、生成、推理与规划 ^[3]。

“反向”指数据和商业闭环的方向，而不是简单反对 OpenAI：

单向互联网路线	世界模型闭环
下载公开互联网语料	与拥有真实场景的伙伴定义问题
集中训练通用模型	采集感知、动作与后果
把产品推向市场	用模型创造价值并产生新数据
用户数据作为事后反馈	新数据继续训练与校准模型

原型用银行卡网络联盟作类比：多个产业方共同对抗单一巨头垄断。但历史类比不能替代机制设计。数据贡献如何计价、模型访问权如何分配、衍生收益归谁，公开材料尚未回答 ^[1]。

Nabla 在 AMI 正式融资发布前已宣布独家战略合作，并称将获得新兴世界模型的优先或早期访问。这是一条第一方产业合作证据；截至公开材料日期，它仍不能证明模型已交付，也没有披露数据或收益分配机制 ^[4]。

从 download internet 到现实经验

访谈中的方向判断是：公开文本接近被充分利用，而第一人称视觉、行为和工业传感数据仍未成为大规模预训练主料。原型引用儿童视觉经验和 YouTube 上传量作量级比喻，但不同模态 token、压缩率和有效信息密度不可直接换算，因此不保留具体比较数字 ^[1]。

两个落地出口

原型保留了两个方向：

• AI glasses：持续感知的个人助理。价值在于第一人称上下文与长期记忆，风险则是隐私、能耗和始终在线的数据治理。
• Robotics：AMI 希望专注预训练、大脑与视觉系统，把硬件、控制和真机闭环交给产业伙伴；这一边界也在节目方文字版中有明确表述 ^[1]。

我最想做到的事情是通过“不做机器人”的方式去解决机器人问题。

AMI 事实卡

日期分层

• 2025-12-03 / 12-15：法国法人创建与巴黎商事登记。
• 2025-12-18：Nabla 官方公告已使用 AMI 品牌。
• 2026-02-12：总部地址迁至 10 rue de Penthièvre。
• 2026-03-10：融资与正式 launch。

这些日期分别对应法人、品牌、迁址和发布，不应合并成单一“成立日”。Pappers 将 PengyouCo 标为 domiciliation（注册托管机构），不支持把它写成 AMI 原名 ^{[5] [4] [2]}。

融资、组织与地点

投资方公告显示，AMI 宣布 10.3 亿美元（约 8.9 亿欧元）融资轮，投前估值 35 亿美元；Cathay Innovation、Greycroft、Hiro Capital、HV Capital 与 Bezos Expeditions 联合领投。总部在巴黎，并在纽约、蒙特利尔和新加坡设运营点 ^[2]。

领导层包括 CEO Alexandre LeBrun、担任主席的 Yann LeCun，以及 Co-Founder & Chief Science Officer 谢赛宁 ^[2]。

三类“世界模型”的输出契约

路线	代表性目标	主要输出	强项	主要风险
Predictive brain	AMI / JEPA 路线	潜状态及其动作条件转移	为决策过滤不可预测细节	状态不可观测，规划成功难验证
Explicit 3D	World Labs 等	几何、场景表示或可计算空间	可检查、可编辑、可供下游使用	重建伪影、成本与动态世界
World simulator	视频扩散、Genie、Cosmos 等	条件视频或潜视频轨迹	可视化丰富、覆盖开放场景	像素逼真不等于可控状态

Sora 在技术史上属于第三类并引用 DiT，但产品后来关闭，因此只保留历史位置，不作为当前赛道玩家 ^{[6] [7]}。

三分法描述的是输出契约，不是研究者站队。谢赛宁本人也参与过 PointContrast、3D Gaussian Splatting scaling 与几何控制工作，不能把他的全部作品简化成“只做隐式潜状态” ^[3]。

路线的验收问题

一个世界模型路线至少需要回答：

1. 状态：$z_t$ 对哪些任务充分？
2. 随机性：多种可能未来怎样表示与校准？
3. 长时性：多步滚动误差如何控制？
4. 动作覆盖：训练数据是否覆盖规划器会提出的动作？
5. 规划：预测指标是否与任务成功单调相关？
6. 安全：约束在模型、规划器还是系统层实现？
7. 复现：结果能否被非原团队在独立硬任务上复现？