物理AI产业链中世界模型的技术路线与数据层合成数据的作用是什么？

世界模型是物理AI发展的引擎，学界及业界对其定义不一。参考李飞飞的分类，世界模型能处理多模态输入，创造遵守物理定律的世界，并按输出分为三类：

第一类是渲染器，追求视觉保真，对三维结构没有显式理解，输出给人眼看的像素。代表模型如OpenAI Sora、谷歌Genie系列。其优势是训练数据相对易得、适用于Scaling Law，但不足在于不是真正理解世界，能力难以直接移植到机器人或决策系统中。

第二类是模拟器，关注物理结构，输出在几何、物理和动力学层面忠实的世界表征。代表包括英伟达Cosmos 1系列、World Labs Marble。该路线能更真实地还原世界，但难度和成本均更高。

第三类是规划器，给定观察和目标，输出“下一步该做什么”，指导物理载体与现实世界互动。代表模型如谷歌Gemini Robotics 1.5系列。其优势是可复用数字AI领域的技术积累，难点在于满足可靠性及海量训练数据需求。

目前，三类模型正相互融合进化为真正的世界模型，如英伟达Cosmos 3尝试用单一模型架构统一多种数据。此外，杨立昆提出的JEPA架构也是一种远期愿景，旨在建模“物理逻辑”。

在数据层，物理AI数据需求量远高于大语言模型。据觅蜂科技数据，全球高质量物理数据仅约50万小时，而GPT-5级别大模型训练语料折算超100亿小时，差距达数万倍。真机实采数据质量高，但绑定本体形态，成本高，难以规模化。基于真实数据的仿真合成数据可控制误差，覆盖长尾场景，边际成本低，可用于快速扩展训练规模。因此，仿真合成数据被视为物理AI跑通的必经之路，率先定义仿真环境和评测体系的系统有望成为物理AI时代的基础设施。