2026 年 3 月，巴黎初創公司 AMI Labs 宣布完成 10.3 億美元種子輪融資，投後估值 35 億美元，創下歐洲史上最大種子輪紀錄。創始人是圖靈獎得主、前 Meta 首席 AI 科學家 Yann LeCun。
這家公司押注的核心方向，是世界模型：它認為，大語言模型（LLM）無法真正理解物理世界，下一代 AI 需要通過新的架構，學習並構建關於世界運轉方式的內部模型。
在接受採訪時，公司 CEO Alexandre LeBrun 曾做出一個預測：「世界模型會成為下一個熱詞。六個月內，每家公司都會自稱是世界模型公司來融資。」
他低估了這個預言實現的速度。不到六個月，「世界模型」已經演變成創業圈最炙手可熱的標籤。
據不完全統計，截至 7 月，中國已有 30 余家以「世界模型」為核心概念的創業公司，累計融資超過 260 億元人民幣，其中 7 家躋身獨角獸，85% 成立於 2023 年之後。僅 2026 年上半年，就有 6 家聚焦世界模型的早期公司合計融資約 97 億元。放眼全球，熱度同樣迅速升溫。Forbes 統計顯示，2026 年上半年，風險投資流向世界模型創業公司的資金已超過 30 億美元；多家頭部投資機構也在同一季度密集發布研究報告，對世界模型的評價從最初的「值得關注」，迅速變成了「不可錯過」。
大廠同樣在加速。4 月 16 日，騰訊和阿里幾乎在同一天發布了各自的世界模型產品：騰訊推出開源的混元 3D 世界模型 2.0，阿里則發布主打實時交互的 HappyOyster。
一個月後，NVIDIA 又推出 Cosmos 3 平台，這是面向機器人和自動駕駛訓練的物理世界模型基礎設施，並同步成立了匯聚 Runway、Skild AI 等公司的 Cosmos Coalition 聯盟。據科技媒體統計，英偉達 2026 年在 AI 領域的股權投資已超過 400 億美元，而 World Labs、AMI Labs、Decart、Odyssey 等幾家最具代表性的世界模型公司，它一家不落全投了。
顯然，世界模型正在迅速成為 AI 產業的新焦點。但與此同時，它的邊界卻變得越來越模糊。因為當越來越多公司都開始自稱「世界模型公司」時，我們會發現它們所做的事情卻相去甚遠：有的生成視頻和三維場景，有的訓練機器人，有的服務自動駕駛，也有的試圖從底層重構 AI 對物理世界的理解。
那麼，一個最基本的問題出現了：它們口中的「世界模型」，究竟是不是同一件事？
大家說的是同一個世界模型嗎？
解釋「世界模型」這四個字是一件不太容易的事。因為它既是一個學術概念，也是一個產品品類，如今更是一種融資標籤，而這三者的外延並不相同。
學術上，世界模型的思想可以追溯到 1943 年，心理學家 Kenneth Craik 提出的「內部模型」假說。在 AI 領域，David Ha 和 Jürgen Schmidhuber 於 2018 年發表的論文重新激活了這一概念。但直到 2024—2025 年，隨著生成式 AI 的快速發展，它才真正進入產業界和資本市場的視野。
即便如此，人們對於」世界模型」的理解並沒有形成共識。在 2026 年智源大會上，十餘位研究者圍繞「到底什麼是世界模型」展開了一場公開討論，智源研究院院長王仲遠總結出至少四條技術路線：以語言為中心、以像素為中心、以三維結構為中心，以及以視覺表徵為軸心。它們分別從大語言模型、視頻生成、3D 重建和視覺表徵出發，對世界模型的定義和實現路徑都有著明顯不同的理解。換句話說，這個領域連「考什麼」都沒商量好，考生已經擠滿了考場。
但在混亂之中，也有人給出了回應。今年 6 月，李飛飛與 World Labs 團隊發表了長文：《A Functional Taxonomy of World Models》。這篇文章把所有自稱「世界模型」的系統按功能分為三層：只輸出像素的「渲染器」，輸出幾何與物理狀態的「模擬器」，以及連接感知與行為的「規劃器」。李飛飛還給出了一個判斷：停留在渲染器階段的系統不算真正的世界模型。
這個分類法在傳播上非常成功，幾乎成了行業內引用率最高的框架，也確實為混亂的討論提供了一套可用的公共語言。不過，如果把它當作衡量各家公司成色的唯一標準，恐怕也並不合適。一方面，World Labs 本身就是這條賽道上的重要參與者，分類法難免帶有自身技術路線的視角；另一方面，它回答的是「什麼是世界模型」，而不是「世界模型何時能實現」。而後者，才是這輪熱潮真正重要的問題。
如果用一套稍微嚴格的標準去審視當前的創業公司，我們會發現，它們「世界模型」這個名字之下，實際裝著五種不相關的生意：
從視頻生成起步、逐步添加物理一致性的內容公司；從 3D 重建出發做空間表徵的公司；把世界模型當作機器人「想像力」的具身智能公司；試圖從底層重構 AI 學習方式的新架構公司；以及用生成場景訓練自動駕駛的仿真公司。從「生成逼真的畫面」到「重新定義 AI 學習世界的方式」，這之間的跨度之大，就像用「交通工具」同時描述滑板和太空梭。
其中不少公司，在一年前的融資通稿里，身份還是機器人公司、視頻公司或 3D 公司。企查查數據顯示，截至 2026 年 3 月底，國內年內明確打出「世界模型」標籤的融資事件約 25 起、總額超過 22 億元；僅僅三個月後，行業全景報告統計的"世界模型創業公司"便已超過 30 家。三個月冒出來的，可能不是技術，而是改過的 BP。
「世界模型」怎麼變成了一個創業身份？
那麼，為什麼一個連定義都沒有的概念，反而能吸走上百億資金？答案有些現實：模糊不僅不是缺陷，反而是功能。
先看供給端。過去三年，大語言模型幾乎主導了整個 AI 創業的趨勢。但進入 2025 年後，圍繞 Scaling Law 是否逼近收益遞減的討論持續升溫，數據瓶頸、訓練成本以及邊際收益下降，成為行業共同面對的問題。與此同時，大模型創業的競爭格局迅速固化：美國形成 OpenAI、Anthropic 和 Google 三強格局，中國則集中到字節、阿里等少數頭部平台。數據顯示，2026 年上半年，中國 AI 一級市場融資總額突破 3,000 億元，但其中約 930 億元流向了大模型三巨頭。留給其餘兩百多家模型公司的機會窗口正在快速收窄。
這段歷史並不遙遠。2023 年百模大戰時，國內一年發布了 305 個大模型；到 2025 年，有媒體統計模型層公司全年只完成了 22 筆融資，大模型融資占 AI 總投資的比重從 51% 掉到 14%。九成以上的玩家已經不在牌桌上。對於錯過或輸掉上一輪的創業者和投資人來說，他們迫切需要一個新的、足夠大的詞。而詞典里比「世界」更大的詞，已經沒剩幾個了。
再看需求端。資本需要的恰恰是一個邊界模糊的概念。一旦定義收緊，大部分項目就會被排除在故事之外；只有足夠模糊，做遊戲的、做短劇的、做 3D 素材的、做機器人仿真的，才能同時擠進同一個敘事。模糊是創投圈的共識基礎設施。於是我們看到一個耐人尋味的現象：頭部機構的研究報告爭相為世界模型描繪前景，摩根史坦利甚至預測，到 2035 年世界模型賦能的產業規模將達到 10 萬億美元。至於這個數字如何測算，研報並未詳細展開。對資本市場而言，重要的從來不是測算過程。
此外，學者出身的明星創始人，更為這個標籤提供了最有分量的信用背書。
李飛飛的 World Labs 至少已經推出商用產品 Marble；而更多打著「新架構」旗號的公司，幾乎是在零產品、零營收的狀態下完成了數億乃至數十億美元的融資。開頭提到的 AMI Labs 也屬於這一類：尚無產品，CEO 也公開表示短期內沒有明確的營收目標，矽谷對它的看法因此出現了分化：一部分人視之為基礎研究的長期主義，另一部分人則視之為這輪估值熱的一個風向標。中國市場也有對應的鏡像：有創業公司幾乎在「零產品、零營收、零官網」的狀態下，便完成數億美元首輪融資。
而當「零產品估值數十億」的公司從異常值變成常態，一個概念就完成了它從研究方向到融資標籤的轉變。這一幕我們似乎並不陌生：當年「匹凸匹」改名就能漲停，Meta 為元宇宙改名後 Reality Labs 虧掉 600 多億美元，而存活下來的元宇宙項目，如今不少已經換上世界模型的外衣重新融資。
因此，2026 年真正誕生的，或許並不是世界模型本身，而是「世界模型創業公司」這個融資「新物種」。
熱潮之外
熱潮之外，世界模型還有它真正需要解決的問題。
第一個問題，是算力。世界模型對算力的需求，遠超許多人的想像。以像素為中心的路線，本質上是在逐幀生成世界。生成一分鐘 720p 視頻，意味著需要同時維持近 1,800 幀畫面的空間一致性。即便是被視為技術標杆的 DeepMind Genie 3，據估算，實時生成可交互環境的運行成本也高達每小時約 100 美元。這個數字放到消費級產品或機器人訓練場景中，都難以支撐商業模式。
三維路線同樣不輕鬆。模型規模更大、推理更加複雜，而同時具備幾何結構和物理屬性標註的 3D 數據，又比網際網路視頻稀缺幾個數量級。更重要的是，高盛此前關於 AI 基礎設施的分析指出，目前市場對算力需求的預測幾乎都建立在 LLM 的增長曲線上，並未充分計入世界模型可能帶來的新增需求。大語言模型至少已經證明，持續擴展算力能夠換來能力提升；而世界模型首先擺在行業面前的，卻是一張巨額算力帳單，至於最終能夠換來怎樣的能力，仍然沒有答案。
第二個問題，是技術路線遠未收斂。技術史上，一個方向真正進入爆發期之前，往往都會經歷路線收斂：深度學習逐漸統一到反向傳播與 GPU，大語言模型最終收斂到 Transformer 架構和下一詞預測。
世界模型則恰恰相反。語言中心、像素中心、三維結構中心、視覺表徵中心等多條路線並行發展，不僅技術方法各不相同，甚至連「世界模型究竟應該學習什麼」都尚未形成共識。對於資本而言，這意味著看似押注的是同一個賽道，實際投資的，卻可能是幾套彼此競爭、甚至相互矛盾的技術假設。
第三個問題，是距離真正交付仍然有一段距離。世界模型最常見的願景，是讓機器人先在虛擬世界中完成數百萬次訓練，再進入現實執行任務。但距離這一目標，還有不少關鍵問題尚未解決。
今年 5 月，一份引發廣泛討論的技術評估指出，整個機器人 AI 行業的發展階段，遠比外界從百億美元融資規模中感受到的更加早期。從仿真遷移到現實（sim-to-real）的能力幾乎沒有得到系統性驗證；主流方法普遍缺乏觸覺和力反饋，而這些恰恰是機器人完成精細操作不可或缺的信息；與此同時，仿真環境中的評測基準不斷被刷新，真實世界中的零樣本表現卻依然存在明顯差距。
目前，世界模型真正落地的產品仍主要集中在遊戲演示和內容創作等領域——這些恰恰也是對物理精度要求最低、容錯率最高的場景。具身世界模型評測基準 WorldArena 的首期結果也印證了這一點：視覺效果出色，並不意味著模型能夠在真實具身任務中取得同樣優秀的表現。
至於時間表，從業者本身也普遍保持謹慎。AMI Labs CEO 曾公開表示，世界模型從理論走向商業應用可能仍需數年；不少行業分析則認為，真正具備可用性至少還需要三到五年。而這裡的「可用」，距離「可盈利」，中間仍隔著一條尚未被真正跨越的鴻溝。
不過，需要強調的是，質疑熱潮不等於否定方向。讓 AI 理解物理世界是一個真實且重要的研究問題，世界模型在自動駕駛仿真等少數場景中也確實開始產生收入。但一個重要的研究問題，和一個值得在 2026 年按數十億美元估值下注的賽道，是兩回事：前者以十年計、靠論文推進，後者以基金存續期計、靠退出閉環。眼下的熱潮，本質上是用後者的錢和耐心，去賭前者的進度。
那位 CEO 預測，六個月內每家公司都會自稱世界模型公司。他說對了。元宇宙和百模大戰的先例都表明，泡沫破裂殺不死底層技術，但會殺死大部分借概念融資的公司。真正的考驗，也許並不在今天的融資數字，而在幾年之後。當算力成本開始兌現，當 sim-to-real 的能力必須接受真實場景檢驗，世界模型究竟是一場技術範式的轉變，還是又一次資本敘事，答案自然會浮出水面。