世界模型：让 AI 在脑子里先演练一遍

前情提要 上篇我们讲到，机器人会用一串长长的数字向量来"记"住它眼前的世界，把看到、摸到的东西都变成可以计算的原料，这就是表征。本篇要接着说：机器人能拿这串数字，再加上一个"我想做的动作"，在脑海里推演出下一步世界会变成什么样子。从"记下来"到"推演下一步"，正是具身智能往前走的一大步。

人下棋的时候，常常会在落子之前，先在脑海里把后面好几步都推演一遍：我要是把车移到这里，对手大概会怎么应，我又能怎么将。哪怕不去碰真正的棋子，人也能在脑子里"先下几盘"。那机器人呢？它能不能在真正动手之前，也先在"脑子"里试一遍，想清楚"我这么做之后，事情会变成什么样"，再决定要不要真的去做？

这就引出了本篇的主角：世界模型。

说白了，世界模型就是机器人脑子里的一台"小放映机"。它不负责看世界，也不负责记世界，而是专门干一件事：根据你现在的样子，加上你打算做的一个动作，猜一猜"下一秒世界会变成什么样"。用大白话说，世界模型回答的是这样一个问题——"我这么做之后，世界会怎样？"

举个最生活化的例子。你闭着眼睛，也能大致脑补出来：手往前伸一点，会碰到桌上的杯子；往左挪一点，会碰到边上的手机。你根本不用真的去撞，脑子里就已经"演"了一遍。人从很小就长出了这种能力，所以才不会动不动就打翻东西。世界模型想给机器人装的，正是同一种本事。

那它到底有什么用？最大的用处是"先想后做"，也就是规划。

没有世界模型的时候，机器人更像"条件反射型选手"：看到红灯停，看到障碍绕，遇到没见过的情况就傻眼。它是在"反应"，而不是在"想"。可真实世界又乱又贵，机器人一旦真撞、真摔、真打翻一杯水，代价都不小。于是聪明的做法是：先在脑子里把动作试一遍。机器人把"当前状态"和"一个动作"一起喂给世界模型，让它预测"如果我这么做，下一刻会怎样"。如果预测出来是"会撞到墙"，那就换一个动作再试；直到世界模型说"这条路走得通"，机器人才真正出手。等于说，机器人把能摔的、能撞的，都先在脑内彩排掉了，真动的时候已经避开了大部分坑。

这就像你出门前在手机地图上看一眼拥堵，决定改走另一条路。你没真的去堵，但你已经"预演"了结果。

除了规划，世界模型还能做"想象"和"预测"。它可以在没有真实动作的情况下，单纯推演"如果风把杯子吹倒会怎样""如果我先拿起盒子再走会怎样"。这种能力让机器人不只是被动接招，而是能主动设想多种可能，挑一个最稳的。很多最新的机器人研究，正是靠这种"先在脑里试错"的方式，学会了从没被手把手教过的复杂动作。

这里要特别拎清一个容易混的点：世界模型不是"看懂世界"，而是"预测世界变化"。感知和表征关心的是"现在世界是什么样的"，世界模型关心的是"世界接下来会变成什么样"。一个是拍照片，一个是放预告片。它不追求把每一根头发丝都看明白，而是追求"我动一下，后果能不能算得准"。

你可能会问：机器人哪来的本事去预测？这就得接回前面两篇说的。上一篇《表征：机器人用什么"记"世界》讲到，机器人把眼前的世界变成了一串数字向量，这就是原料。感知负责把这串数字喂饱，表征负责把它整理得能算，世界模型则拿着这串数字，加上一个动作，去推演下一步的答案。可以说，表征给了世界模型做推演的"素材"，世界模型拿着素材去"算下一步"。没有前面的感知和表征，世界模型就成了无米之炊；没有世界模型，感知和表征再多，也只能让机器人"看明白却不知下一步该怎么走"。

所以，世界模型是具身智能从"反应"走向"规划"的关键一步。会反应的机器人像照镜子，你动它才动；会规划的机器人像下棋的人，先想几步再落子。而这"想几步"的本事，几乎是所有聪明行为的基础：人走路时会预测下一步脚下是平地还是台阶，人拿东西时会预测手会不会够不着。机器人要像人一样靠谱，也得长出同样的预判力。

下面这张图，把世界模型干的事画成了一条最短的链路：

就这么简单：左边进来"我现在什么样、我想做什么"，中间世界模型一算，右边就吐出"下一刻大概会是什么样"。真实系统里，这一算可能要重复很多轮，才能定下一条稳妥的动作路线，但骨架就是这三块。

讲到这儿你大概明白了：世界模型让机器人第一次有了"在脑子里先演练一遍"的能力。它不必每条路都真去撞一遍，而是先在内部把能错的先错掉。这正是机器人与人越来越像的开始。

读后小测

3 句话复述：世界模型是机器人脑子里的一台小放映机，专门预测"我这么做之后，世界会变成什么样"。它用来规划，先在脑内试错再真动手，避免真撞真摔，也能做想象和预测。它不是看懂世界，而是预测世界变化，是具身智能从反应走向规划的关键一步。

1 件动手小事：现在就试——闭上眼睛，把手慢慢往左边挪，脑补一下会先碰到什么（是手机、水杯还是本子）。你没真去撞，却已经在脑子里"演"了一遍，这就是人人都自带的、最朴素的世界模型。

下一回，我们会聊第 13 篇《仿真器与数字孪生：为什么先在虚拟里练》。世界模型要变得靠谱，得靠大量"练习"，可真机又贵又慢还怕摔，于是研究者干脆造出一个虚拟的世界，让机器人在里面先摔上一万次、撞上一万回，把本事练足了再回到现实。下一篇，我们就讲讲这个"先在虚拟里练"的门道，以及它和今天说的世界模型有什么关系。