世界模型(World Models)深度研究报告
AI建议我标题不要写AI Report，会降低阅读量。听它的意见，听它的意见，哈哈!- 报告因测试和调用不同AI，研究深度和架构会存在差异
- 报告仅用于快速了解行业概况参考，重要科研和投资决策应对内容的客观和准确性进一步核实。
报告日期: 2026-07-13 研究范围: 全球+中国专项 数据截止: 2026-Q2 报告版本: v1.0 研究类型: 技术研究•核心定义: 世界模型（World Models）是AI系统内部构建的、能够学习并模拟环境结构与动态规律的内部模拟器，是AI从感知智能迈向认知智能、实现通用具身智能的关键技术路径。•包含范围: 视频生成世界模型（如Sora、Genie）、联合嵌入预测架构（JEPA系列）、基于模型的强化学习（Dreamer系列）、3D显式世界模型、自动驾驶端到端世界模型、具身世界模型。•排除范围: 纯语言大模型（LLM）中非世界模型方向的通用能力、传统物理仿真引擎（非学习式）、计算机视觉中仅做识别/检测的单任务模型。•与相邻概念的区分: 世界模型区别于LLM——前者学习物理世界的动态规律，后者主要学习语言统计规律；区别于传统仿真引擎——前者通过数据驱动自主学习环境动态，后者依赖人工规则编程。1. 世界模型技术目前处于什么发展阶段？核心瓶颈与突破时间线？2. 主要技术路线（自回归生成/JEPA/Dreamer/3D显式）的优劣势与商业化前景？3. 全球与中国竞争格局如何？哪些企业/团队最具投资价值？4. 从一级市场视角，世界模型赛道的投资机会排序与风险有哪些？•世界模型赛道进入爆发前夜，2026年成为关键转折年: 从OpenAI Sora、DeepMind Genie 3、NVIDIA Cosmos 3到中国33家创业公司集体涌现，世界模型正从学术概念走向产业落地。图灵奖得主Yann LeCun离职Meta创办AMI Labs并获10.3亿美元种子轮融资，标志着学术权威对赛道的终极背书 [1.36kr·世界模型全景]。•中国市场呈爆发态势，33家企业累计融资超260亿元: 极佳视界3个月估值200亿、卜拉格科技成立1个月估值135亿、Manifold AI一年6轮融资近10亿跻身独角兽，红杉、高瓴、腾讯、国家大基金争相入局。85%的企业在2023年后成立，赛道高度年轻化 [1.36kr·世界模型全景]。•技术路线三足鼎立，尚未收敛: 自回归视频生成（Sora/Cosmos）、JEPA预测架构（LeCun路线）、3D显式建模（World Labs）三大路线各有优劣。自回归派视觉惊艳但物理准确性不足，JEPA派样本高效但视觉不可见，显式3D派精度高但泛化受限 [8.个人·世界模型全拆解]。•核心瓶颈是物理准确性与长时序一致性: 当前世界模型在生成时长（Genie 3仅几分钟一致性）、物理规律遵从（视觉合理≠物理正确）、实时推理成本（需专用ASIC）三个维度存在显著瓶颈，预计2-5年内逐级突破 [8.个人·世界模型全拆解][6.Arxiv·世界模型综述]。•产业链上游算力与下游具身智能是最具投资价值环节: 世界模型训练推理对GPU/ASIC需求刚性增长；自动驾驶、机器人、游戏影视三大应用场景市场空间巨大（自动驾驶市场2026年规模因机构口径差异极大，从$93亿纯技术口径到$4.44万亿含ADAS整车价值的最宽口径不等，中间口径约$1.45万亿），中间模型层竞争激烈但应用层机会更确定 [17.FortuneBI·自动驾驶市场][23.ResearchAndMarkets·自动驾驶市场][24.TBRC·自动驾驶汽车市场]。 | | | | |
|---|
| | | | |
| | | VAE+MDN-RNN架构，在游戏环境中学习世界动态 | |
| | Danijar Hafner (Google DeepMind) | RSSM架构，从DreamerV1到V3，在Minecraft中实现钻石采集 | |
| | | 联合嵌入预测架构，自监督学习世界表征，避免像素级生成 | |
| | | | [8.个人·世界模型全拆解][3.Huo15·进展汇总] |
| | | | |
| | | 开源全模态世界基础模型平台，面向Physical AI | |
| | | 视频生成基础模型，支持文/图输入，1080p多镜头叙事，即梦/豆包/火山引擎API开放 | [20.ByteDance·Seedance2.0] |
| | | | |
| | | 音视频一体同步生成，视听协同与叙事表达突破，即梦全球首发"视频3.5 Pro" | [20.ByteDance·Seedance2.0] |
| | | 统一多模态音视频联合生成架构，四模态输入（文/图/音/视频），4-15秒480p/720p，双声道，物理准确度与可控性达SOTA | [20.ByteDance·Seedance2.0][21.AtlasCloud·视频API对比] |
| | | 10.3亿美元种子轮，pre-money估值$35亿，专注JEPA路线世界模型 | |
| | | 系统分类世界模型为"理解世界"和"预测未来"两大范式 | |
| | | 全模态（文本+视频+音频+行动），开源OpenMDW-1.1许可 | |
| | | | |
• 以Ha & Schmidhuber的"World Models"论文为起点，首次提出用VAE压缩观测、MDN-RNN预测未来状态的架构• 代表性技术: World Models (2018)、PlaNet (2019)• 关键突破: 证明了"在学到的世界模型中进行想象推演"的可行性• 局限: 仅适用于简单游戏环境（CarRacing、VizDoom），泛化能力极弱 [6.Arxiv·世界模型综述]• Dreamer系列（DreamerV1→V2→V3）引入RSSM（Recurrent State Space Model），实现从像素到隐状态的端到端学习• DreamerV3在Minecraft中仅靠像素输入学会采集钻石，标志MBRL路线的里程碑• JEPA（Joint Embedding Predictive Architecture）由LeCun团队提出，开辟了"不生成像素、只预测表征"的新路线 [8.个人·世界模型全拆解]第三阶段（2024-2025）— 视频生成爆发期:• Sora横空出世，首次展示分钟级物理一致视频生成能力，提出"视频生成即世界模拟"的宏大愿景• Genie展示从无标注视频中学习可交互环境的范式转换能力，其隐性动作模型（LAM）无需人工标注即可自动推断动作空间 [8.个人·世界模型全拆解]• NVIDIA Cosmos将世界模型定位为Physical AI的基础设施，开源平台策略• 中国团队快速跟进：字节跳动Seedance（1.0→1.5 Pro→2.0，多模态音视频联合生成）、快手Kling、智谱CogVideo-X2等，其中Seedance 2.0在物理准确度与可控性上达业界SOTA水平 [3.Huo15·进展汇总][20.ByteDance·Seedance2.0]• 世界模型从学术概念走向产业落地：自动驾驶（Wayve GAIA-2）、机器人（Cosmos+具身）、游戏（Genie 3）三大场景并行推进• AMI Labs的$10.3亿种子轮标志着资本对世界模型赛道的终极背书• 中国33家创业公司集体涌现，累计融资260亿+，赛道进入群雄逐鹿阶段 [1.36kr·世界模型全景] | | | | |
|---|
| | | | |
| | | | |
| 训练含物理标注（Cosmos 3）；JEPA已获形式化证明；Seedance 2.0复杂运动场景物理还原能力达SOTA | | | [12.TechTimes·JEPA证明][4.AIMaster·2026之战][20.ByteDance·Seedance2.0] |
| | | | |
| | | | |
| | | | |
| | | | |
| 四模态输入（文/图/音/视频），4-15秒480p/720p，双声道 | | | [20.ByteDance·Seedance2.0][22.VolcEngine·Seedance架构] |
| 快手Kling、智谱CogVideo-X2达到国际可比水平 | | | |
| | | | | | | |
|---|
| | | | | | 自回归架构的本质缺陷：每帧误差累积，缺乏全局一致性约束 | |
| 视觉合理≠物理正确，存在反重力、物体凭空生灭等现象 | | | | | 生成派以"看起来对"为目标，非以物理方程为约束；JEPA主张抽象表征规避，但视觉不可见 | |
| | | | | | 从2D视频学习3D是病态问题；World Labs押注显式3DGS路线 | |
| | | | | | 模型规模持续增长与终端算力有限的矛盾；专用ASIC（如Sohu）正在研发 | [8.个人·世界模型全拆解][15.Network·推理经济学] |
| | | | | | 行业尚无共识，多用下游任务间接评估（VBench-2.0、Physics-IQ等） | |
| | | | | | | |
•物理/工程/商业限制: 自回归生成每帧依赖前一帧，误差呈指数级累积。当前缓解方案（dynamic noising、记忆机制）治标不治本。Transformer的二次复杂度使长序列计算成本激增。•时间预期: 2-3年内通过混合架构（自回归+全局一致性模块）和专用硬件实现分钟级→十分钟级突破；小时级需要范式级创新，预计5年+。 [8.个人·世界模型全拆解]•物理/工程/商业限制: 从像素中学习物理规律本质上是病态问题——同一视觉现象对应多种物理实现。JEPA路线通过抽象表征规避了像素生成，但牺牲了可视化能力。2026年5月LeCun团队发表形式化证明，首次给出JEPA可以学习世界模型的数学条件，但benchmark显示当前世界模型仍然"surprisingly brittle"（令人惊讶地脆弱）。 [12.TechTimes·JEPA证明]•时间预期: 3-5年，需要融合物理先验（物理方程约束）+ 数据驱动学习的混合方案。 [12.TechTimes·JEPA证明]•物理/工程/商业限制: 训练一个世界模型的计算成本在数百万到数千万美元级别。推理侧80%的AI GPU支出已转向推理 [15.Network·推理经济学]。实时世界模型推理对延迟要求极高（<50ms），与大规模模型推理天然矛盾。•时间预期: 2-3年，量化+专用ASIC+推理优化可将成本降低5-10倍。Decart已催生专用ASIC（Sohu）用于世界模型推理。 [8.个人·世界模型全拆解] | | | | | |
|---|
| Transformer架构成熟、算力增长、视频数据爆炸 | | | 模型规模持续扩大（Cosmos 3达550B）、新架构（JEPA/MoE）不断涌现 | |
| 自动驾驶仿真、机器人训练、游戏影视内容生成对世界模型的刚性需求 | | | 自动驾驶市场2026年规模因口径差异从$93亿（纯技术）到$4.44万亿（含ADAS整车）不等；具身智能赛道融资持续高热 | [17.FortuneBI·自动驾驶市场][23.ResearchAndMarkets·自动驾驶市场] |
| 一级市场密集下注，AMI Labs $10.3亿种子轮创纪录 | | | 33家中国企业累计融资260亿+，红杉/高瓴/腾讯/国家大基金入场 | |
| 中国大模型备案+算力基建；欧盟AI Act分级监管 | | | 全球主要经济体均将AI列为战略产业，但监管框架尚在形成 | |
| 学术大牛下海创业（LeCun→AMI Labs；清华团队→多家创业公司） | | | | [1.36kr·世界模型全景][9.TechCrunch·AMI融资] |
我们判断，世界模型赛道当前处于高速成长期初期。依据如下：•支撑判断的正向信号: (1) 2026年密集的里程碑事件（Cosmos 3/Genie 3/AMI Labs融资）；(2) 学术成果→产业落地的转化通道已打通；(3) 一级市场资本密集涌入，头部项目估值快速攀升；(4) 自动驾驶/机器人/游戏三大应用场景需求明确。•需要关注的风险信号: (1) 技术路线尚未收敛，存在路径选择风险；(2) 多数企业尚无规模化营收，估值以预期驱动；(3) 核心瓶颈（物理准确性/长时序一致性）突破时间不确定；(4) 大厂（NVIDIA/Google/Meta）的平台化策略可能挤压创业公司空间。•与相邻行业的周期对比: 类似2018-2019年的LLM赛道——技术突破已证明可行性，但商业化和规模化路径尚在探索中。世界模型可能重复LLM的发展轨迹：先平台（NVIDIA Cosmos=GPU时代的CUDA），再应用（垂直场景公司=LLM时代的SaaS应用）。•路线A — 自回归视频生成（Renderer）: 通过Transformer/Diffusion逐帧生成视频，以"看起来对"为目标。代表企业/产品: OpenAI Sora、DeepMind Genie 3、NVIDIA Cosmos 3（部分）、字节跳动Seedance 2.0、快手Kling。Seedance 2.0凭借四模态输入与多模态参考系统在可控性维度领先，与Sora 2、Kling 3.0并列文生视频三大巨头 [8.个人·世界模型全拆解][21.AtlasCloud·视频API对比]•路线B — 联合嵌入预测（JEPA）: 在抽象表征空间预测未来状态，避免像素级生成。以LeCun的"自主智能架构"为理论框架。代表企业/产品: Meta V-JEPA 2、AMI Labs。 [8.个人·世界模型全拆解]•路线C — 基于模型的强化学习（Dreamer/MBRL）: 以控制/决策为核心目标，在隐空间学习世界动态并用于策略训练。代表企业/产品: DreamerV3、MuZero、Google DeepMind SIMA。 [8.个人·世界模型全拆解]•路线D — 显式3D世界建模: 直接生成3D场景（3D Gaussian Splatting/NeRF/Mesh），具有显式空间结构。代表企业/产品: World Labs (Marble/RTFM)、群核科技。 [8.个人·世界模型全拆解] | | | | |
|---|
| 基本原理 | | | | |
| 核心优势 | | | | |
| 核心劣势 | | | | |
| 生成时长/一致性 | | | | |
| 计算成本 | | | | |
| 代表产品 | Sora, Genie 3, Cosmos 3, Seedance 2.0, Kling | | | |
| 来源 | [8.个人·世界模型全拆解][4.AIMaster·2026之战][21.AtlasCloud·视频API对比] | [8.个人·世界模型全拆解][12.TechTimes·JEPA证明] | | |
•TRL等级: 7-8 | 当前阶段: 产品化初期•关键里程碑: Sora 2024→Genie 3 2025→Cosmos 3 2026，两年内从实验室到产品•剩余挑战: 物理准确性不足、推理成本高、缺乏统一评估标准•预计产业化时间: 2026-2027（垂直场景）| 置信度: 高 [8.个人·世界模型全拆解]•TRL等级: 4-5 | 当前阶段: 实验室验证→早期产业化•关键里程碑: V-JEPA论文→形式化证明（2026.05）→AMI Labs成立（2026.03）•剩余挑战: 视觉不可见（难以直接展示成果）、生态较新、需证明在复杂场景中的可扩展性•预计产业化时间: 2028-2030 | 置信度: 中 [12.TechTimes·JEPA证明]•TRL等级: 5-6 | 当前阶段: 实验室→特定场景验证•关键里程碑: DreamerV3 Minecraft钻石采集（2023）→SIMA多任务Agent（2024）•剩余挑战: 视觉保真度低、窄域任务泛化难、需要大量环境交互•预计产业化时间: 2027-2029（游戏/机器人训练场景）| 置信度: 中 [8.个人·世界模型全拆解]•TRL等级: 5-6 | 当前阶段: 产品化探索•关键里程碑: World Labs估值~$50亿（2026.01洽谈中）、群核科技世界模型大会•剩余挑战: 泛化能力弱于生成式方法、动态场景建模不成熟、数据获取成本高•预计产业化时间: 2027-2028（设计/创意场景）| 置信度: 中 [8.个人·世界模型全拆解]我们认为，自回归视频生成路线在解决长时序一致性后，可能面临以下二阶问题：1."生成即真实"的深度伪造风险: - 触发条件: 视频生成时长突破10分钟+物理一致性>90% - 影响范围: 社会信任体系、司法证据、新闻真实性 - 应对思路: 强制内容标识+数字水印+溯源技术；欧盟AI Act已要求深度伪造标记 [13.10100·政策对比]2.计算资源的军备竞赛: - 触发条件: 实时高保真世界模型推理成为标配 - 影响范围: GPU供应链、电力基础设施、碳排放 - 应对思路: 专用ASIC（Sohu）+ 模型量化 + 边端协同推理我们认为，JEPA路线在证明大规模可扩展性后，可能面临以下二阶问题：1."不可见的AI"信任危机: - 触发条件: JEPA在自动驾驶/医疗等安全关键领域部署 - 影响范围: 监管审批、用户信任、事故责任归属 - 应对思路: 可解释性模块+可视化探头+人机协同决策•标准碎片化风险: 三大路线各自发展评估体系，行业难以横向比较，可能导致投资决策信息不对称•人才虹吸效应: 顶级人才向少数头部企业/项目集中（AMI Labs $10.3亿种子轮可开出天价薪酬），可能抑制学术多样性和小团队创新我们认为，在当前技术发展阶段：自回归视频生成路线确定性最高、产业化路径最清晰（3-5年内可在自动驾驶仿真、游戏影视、短视频生成场景实现商业化）；JEPA路线最具长期颠覆潜力但时间窗口不确定（5-10年）；Dreamer路线是具身智能的核心技术栈，与机器人赛道深度绑定；显式3D路线在专业设计/工业仿真领域有独特价值。建议一级市场投资组合同时布局自回归生成（短期）+ JEPA/具身世界模型（长期）。 | | | | | | |
|---|
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | [20.ByteDance·Seedance2.0][21.AtlasCloud·视频API对比] |
| | | | | | |
| | | | | | | |
|---|
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | 四模态输入+多模态参考系统，可控性业界领先；与Sora 2/Kling 3.0并列文生视频三巨头 | | [20.ByteDance·Seedance2.0][21.AtlasCloud·视频API对比] |
| | | | | | | |
|---|
| | | | | | | |
| | | | | | 前阿里Qwen负责人林俊旸创办，红杉/高榕/腾讯联合投资 [19.火猫·卜拉格融资] | |
| | | | | | | |
| | | | | | | |
| | | | | | | |
| | | | | | Seedance 2.0四模态输入+多模态参考系统，物理准确度与可控性SOTA，与Sora 2/Kling 3.0并列文生视频三巨头 | [20.ByteDance·Seedance2.0][21.AtlasCloud·视频API对比] |
| | | | | | | |
| | | | | | | |
| | | | | | |
|---|
| | | Cosmos Coalition生态联盟，投资AMI Labs等 | | | [4.AIMaster·2026之战][9.TechCrunch·AMI融资] |
| | | | | | |
| | | LeCun离开Meta创办AMI Labs，获NVIDIA/Samsung/Toyota等投资 | | | |
| | | | | | |
| | | Seedance 2.0接入豆包/即梦/火山方舟，火山引擎GPU云提供推理部署 | | 多模态音视频生成+云原生部署闭环，企业级API商业化 | [20.ByteDance·Seedance2.0][22.VolcEngine·Seedance架构] |
•主要阵营: (1) NVIDIA Cosmos生态——以GPU算力+开源模型绑定开发者；(2) Google DeepMind——全栈自研+三线覆盖；(3) 中国互联网巨头（阿里/腾讯/快手/智谱）——各自发布世界模型，生态未统一•趋势变化: 平台化竞争加剧——NVIDIA试图复制CUDA模式到世界模型层；创业公司需在垂直场景建立壁垒，避免被平台吸收•大厂平台化 vs 创业公司垂直化: NVIDIA/Google/Meta走平台路线，创业公司（极佳视界/Manifold/World Labs）聚焦垂直场景•中美双引擎格局: 美国以NVIDIA/Google/OpenAI/World Labs/AMI Labs为第一梯队；中国以33家创业公司+阿里/腾讯/快手/字节跳动大厂为第二梯队，其中字节跳动Seedance 2.0在多模态音视频生成与可控性上已达国际第一梯队水平，数量占优且头部技术原创性逐步验证•技术路线分化但应用收敛: 四大技术路线在底层各有坚持，但在自动驾驶、机器人、游戏影视三大应用场景高度重合•资本密集度极高: 中国33家企业累计融资260亿+，全球AMI Labs单笔$10.3亿种子轮创纪录，赛道已进入"重资本"阶段列示规则: 统计最近3年国内一级市场融资事件。同一个项目仅允许列示最新一轮融资记录。严格倒序排列。当前年份融资事件优先置于表顶。≥10条时表格至少列示10条，超出部分移至表格外项目。 | | | | | | |
|---|
| | | | 狮城资本、海富产业基金、建投投资、万向钱潮、复星锐正资本 | | |
| | | | | | |
| | | | | | |
| | | | | 世界模型（Pragmatics），前阿里Qwen林俊旸创办 | |
| | | | | | |
| | | | Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions, NVIDIA, Samsung等 | | |
| | | | | | |
| | | | | | |
| | | | NVIDIA, Microsoft, Uber, Mercedes-Benz等 | | |
| | | | | | |
表格外项目（信息不足 / 超出10条上限）: 33家中国世界模型创业公司中的其余20+家企业，包括宇树科技（2026.05上会）、星海图等，详见36kr完整名录。上游（基础设施/数据） 中游（模型研发/平台） 下游（应用/场景）┌─────────────────────┐ ┌──────────────────────────┐ ┌────────────────────────┐│ GPU/ASIC算力芯片 │ │ 自回归视频世界模型 │ │ 自动驾驶仿真与感知 ││ 训练数据(视频/3D) │ → │ JEPA预测架构 │ → │ 机器人训练与具身智能 ││ 云计算/数据中心 │ │ Dreamer/MBRL世界模型 │ │ 游戏与影视内容生成 ││ 仿真环境/合成数据 │ │ 显式3D世界模型 │ │ 工业仿真与数字孪生 ││ 数据标注与处理 │ │ 世界模型平台/API服务 │ │ AR/VR与空间计算 │└─────────────────────┘ └──────────────────────────┘ └────────────────────────┘ | | | | | |
|---|
| | NVIDIA (NVDA), AMD, Intel, 寒武纪 | | | |
| | | | 北美云厂商AI资本开支2026年同比+70.25% | |
| | | | | |
| | NVIDIA Omniverse, Unity, Unreal | | NVIDIA Omniverse是Physical AI核心平台 | |
| | OpenAI (Sora), NVIDIA (Cosmos 3), 字节跳动(Seedance 2.0), 快手(Kling) | | Sora开创"视频即世界模拟"范式；Seedance 2.0四模态输入+多模态参考系统达SOTA | [8.个人·世界模型全拆解][20.ByteDance·Seedance2.0] |
| | AMI Labs (种子轮), Meta (V-JEPA 2) | | | |
| | Google DeepMind (SIMA, DreamerV3) | | | |
| | World Labs ($50亿估值), 群核科技 | | | |
| | 极佳视界(B+轮), Manifold AI(Pre-A轮), 卜拉格(天使轮) | | | |
| | Wayve ($86亿估值,D轮), Tesla, 小鹏 | | Wayve获NVIDIA/Microsoft/Uber投资 | |
| | Manifold AI, 星尘智能, Figure AI ($39B估值) | | Figure AI高估值反映市场对Physical AI的预期 | |
| | Runway ($53亿估值,E轮), Genie 3, 字节跳动Seedance 2.0 | | Runway 2025年化营收$300M；Seedance 2.0支持15秒多镜头音视频输出，深度服务影视/广告/电商/游戏 | [8.个人·世界模型全拆解][20.ByteDance·Seedance2.0] |
| | | | | |
•上游算力是最大瓶颈节点: 世界模型训练推理对GPU需求极大（训练成本数千万-亿美元级），NVIDIA在GPU市场占据80-88%份额，构成事实上的算力垄断。专用ASIC（如Sohu）的出现可能改变格局 [4.AIMaster·2026之战][15.Network·推理经济学]。•中游模型层竞争激烈但分化明显: 自回归生成路线确定性最高，JEPA路线最具长期潜力，3D显式路线在专业场景有独特价值。中国创业公司在数量上占优（33家），但在基础模型原创性上与海外仍有差距 [1.36kr·世界模型全景]。•下游应用层机会最大: 自动驾驶（2026年市场规模因口径差异从$93亿到$4.44万亿不等）、机器人（Figure AI $39B估值）、游戏影视（Runway $300M ARR）三大场景市场空间巨大，且模型层技术突破将直接拉动应用层增长 [17.FortuneBI·自动驾驶市场][23.ResearchAndMarkets·自动驾驶市场]。•算力环节攫取最高利润: NVIDIA 71.1%毛利率（FY2026），是产业链中利润最丰厚的环节。世界模型的爆发将进一步扩大GPU需求 [4.AIMaster·2026之战]。•模型层价值捕获待验证: 虽然模型研发是核心技术环节，但商业模式仍在探索中（API调用/开源/定制化），能否持续捕获价值取决于技术壁垒和生态锁定能力。•应用层天花板最高: 自动驾驶+机器人+游戏影视的总市场空间远超上游，但进入壁垒相对较低，竞争将最为激烈。 | | | | |
|---|
| | | Sora级别模型训练约需数千张H100数周；Cosmos 3（550B参数）成本在亿美元级 | [5.AIMaster·技术路线解析][4.AIMaster·2026之战] |
| | | | |
| | | 顶尖AI研究员年薪$500K-$2M+，AMI Labs种子轮部分用于人才招聘 | |
| | | | |
我们判断，世界模型训练和推理成本将在未来3-5年持续下降，驱动因素包括：(1) GPU性能提升（Blackwell→Rubin架构，每代性能提升2-5倍）；(2) 模型架构优化（MoE稀疏化、JEPA自监督降低数据需求）；(3) 专用硬件（Sohu ASIC针对世界模型推理优化）；(4) 推理优化技术成熟（量化+批处理+KV缓存）。预计2028年世界模型推理成本将降至当前的1/5-1/10 [15.Network·推理经济学][16.Spheron·推理经济学]。注意: 以上推断基于现有技术路线图的线性外推，未考虑技术突变或供应链中断。 | | | | | | |
|---|
| | | | ACM CSUR 2025世界模型综述；WorldSimBench/VBench-2.0评估基准 | | [6.Arxiv·世界模型综述][2.Csdn·2026综述] |
| | | Yann LeCun, Nicolas LeBrun | V-JEPA系列；2026.05形式化证明JEPA可学习世界模型 | NVIDIA, Samsung, Toyota Ventures | [9.TechCrunch·AMI融资][12.TechTimes·JEPA证明] |
| | | Danijar Hafner, Tim Rocktäschel等 | DreamerV3, Genie 3, SIMA, MuZero | | |
| | | 李飞飞, Justin Johnson, Ben Mildenhall | Marble, RTFM, 3D Gaussian Splatting | | |
| | | Pieter Abbeel, Sergey Levine | | | |
| | | | | | |
| | | | | | |
| | | Alex Kendall, Jamie Shotton | | | |
| | | | Seedance 1.0/1.5 Pro/2.0，统一多模态音视频联合生成架构 | | [20.ByteDance·Seedance2.0][22.VolcEngine·Seedance架构] |
| | | | |
|---|
| | | | |
| | | | |
| | | | |
| | | | |
| | | 中国大厂多模态音视频生成商业化标杆，企业级API闭环 | [20.ByteDance·Seedance2.0][22.VolcEngine·Seedance架构] |
可比标的选取说明: 世界模型赛道尚无纯业务上市公司，选取产业链核心受益的算力层（NVIDIA）和平台层（Google/Meta/Microsoft）作为可比标的。AI制药行业估值对比不适用（世界模型非制药赛道）。 | | | | | |
|---|
| | ~85%（FY2026 $215.9B总收入中约$184B） | | 主要利润来源（毛利率71.1%），研发费率~15% | |
| | | | | |
| | | | | |
我们认为，世界模型相关上市公司呈现"算力层高利润、平台层高增长、应用层高估值"的三层分化特征。NVIDIA以71.1%毛利率占据产业链利润最丰厚环节；Google/Microsoft以AI云服务获取增长动力；一级市场的创业公司以超高估值反映市场对Physical AI的长期预期（Figure AI $39B估值对应极小营收） [14.ValueAddVC·AI估值]。 | | | | | |
|---|
| | | | | |
| | | 分两阶段清理违规AI应用3500余款、违法违规信息96万余条 | | |
| | | | | |
| | | | | |
| | | | | |
| | | | | |
|---|
| | | 风险分级监管，禁止性违规最高罚3500万欧元或全球营业额7% | 世界模型被分类为"通用AI"需合规，深度伪造需标记 | |
| | | | 联邦层面无专项法，州级立法活跃（加州AI安全法案等） | |
| | | "AI Strategy 2025"，鼓励AI创新，轻监管 | | |
| | | | | |
|---|
| | | NVIDIA $5.1T市值+推理市场2026年$55B | 算力是世界模型的刚性需求，GPU/ASIC是最确定的价值捕获环节 | |
| | | 自动驾驶市场2026年规模因口径差异从$93亿（纯技术）到$4.44万亿（含ADAS整车）不等 | Wayve $86亿估值验证赛道；端到端世界模型是L4自动驾驶的关键突破 | [4.AIMaster·2026之战][17.FortuneBI·自动驾驶市场][23.ResearchAndMarkets·自动驾驶市场] |
| | | Figure AI $39B估值；人形机器人市场2034年$35.4B | | |
| | | | | |
| | | | 如JEPA路线成功，将彻底改变AI学习范式，天花板极高 | |
| | | | 中国市场有独立的世界模型生态，受惠于国产替代和算力自主可控 | |
| | | | | | |
|---|
| | | 投资的自回归/JEPA/3D路线可能被其他路线颠覆 | | | |
| | | NVIDIA Cosmos开源平台可能吸收创业公司价值 | | | |
| | | | | | |
| | | | | | |
| | | | | | [1.36kr·世界模型全景][14.ValueAddVC·AI估值] |
| | | | | | |
1.世界模型是AI的下一个范式转换，2026年已进入产业化加速期: 从2018年概念验证到2026年NVIDIA Cosmos 3、DeepMind Genie 3、AMI Labs $10.3亿种子轮，世界模型在8年内完成了从学术到产业的关键跨越。技术可行性已被验证，商业化和规模化路径正在展开 [6.Arxiv·世界模型综述][4.AIMaster·2026之战]。2.中国市场呈爆发态势，但技术原创性待验证: 33家企业累计融资260亿+、7家独角兽，但多数企业在基础模型层面与海外（Sora/Cosmos/Genie）仍有差距。中国创业公司的优势在于场景落地速度（自动驾驶/机器人/短视频）和国产替代叙事 [1.36kr·世界模型全景]。3.短期看算力，中期看应用，长期看范式突破: 算力层（NVIDIA/ASIC）是最确定的价值捕获环节；自动驾驶和游戏影视是2-3年内可见规模化营收的应用场景；JEPA/自监督世界模型如果成功将彻底改变AI格局，但时间窗口在5-10年 [15.Network·推理经济学][9.TechCrunch·AMI融资]。4.技术路线未收敛，多路线布局是最优策略: 自回归生成确定性最高、JEPA最具长期潜力、3D显式在专业场景有价值、Dreamer是具身智能的核心栈。投资组合应同时覆盖短期确定性（自回归生成应用）和长期颠覆性（JEPA/具身世界模型）[8.个人·世界模型全拆解]。 | | | | | |
|---|
| | | 自动驾驶市场2026年规模因口径差异从$93亿到$4.44万亿不等，Wayve $86亿估值验证；世界模型可大幅降低路测成本和Corner Case覆盖 | | |
| | | NVIDIA FY2026营收$215.9B [18.NVIDIA·FY2026年报]（+65%），推理市场2026年$55B；专用ASIC（Sohu）是新机会 | | |
| | | Figure AI $39B估值；世界模型可将机器人训练效率提升10-100倍；中国市场有国新/淡马锡等国资入局 | | |
| | | Runway $300M ARR已验证商业模型；Genie 3可交互世界打开游戏新范式 | | |
| | 中国头部创业公司（极佳视界/Manifold/卜拉格） | 33家企业260亿+融资，政策支持+国产替代逻辑；但估值已较高，需精选 | | |
| | | LeCun背书，如成功将颠覆AI学习范式；但时间窗口5-10年，尚无产品 | | |
| | | World Labs $50亿估值，3D生成在工业设计/影视有独特价值；但市场规模小于视频/自动驾驶 | | |
| | | |
|---|
| NVIDIA Cosmos 3生态合作伙伴突破100家 | | |
| | | |
| 世界模型视频生成时长突破10分钟+物理一致性>90% | | |
| | | |
| | | |
| | | |
•自动驾驶世界模型应用: 关注Wayve（D轮，$86亿估值）、国内自动驾驶世界模型创业公司。世界模型在Corner Case生成、仿真环境构建、端到端感知中的价值已被Wayve GAIA-2验证 [4.AIMaster·2026之战]。•具身智能世界模型: 关注Manifold AI/流形空间（Pre-A轮）、Figure AI。世界模型驱动的机器人训练可大幅降低真实环境试错成本，是具身智能的关键技术栈 [10.Sina·Manifold融资]。•AI视频/游戏内容生成: 关注Runway（E轮，$53亿估值）、字节跳动Seedance 2.0、国内视频世界模型创业公司。Runway 2025年化营收$300M已证明商业模式可行性；字节跳动Seedance 2.0凭借四模态输入与多模态参考系统在可控性上领先，已接入豆包/即梦/火山方舟形成企业级API闭环，与Sora 2/Kling 3.0并列文生视频三巨头 [8.个人·世界模型全拆解][20.ByteDance·Seedance2.0][21.AtlasCloud·视频API对比]。•世界模型算力基础设施: 关注NVIDIA（NVDA）及专用ASIC创业公司。算力是世界模型最确定的价值捕获环节，NVIDIA FY2026营收$215.9B [18.NVIDIA·FY2026年报]（+65%）验证需求刚性 [4.AIMaster·2026之战]。•中国世界模型平台: 关注极佳视界（B+轮，~200亿估值）、卜拉格科技（天使轮，~135亿估值）。中国市场有独立的世界模型生态，受益于国产替代和算力自主可控 [1.36kr·世界模型全景]。 | | | | |
|---|
| | | 世界模型训练推理的刚性需求，NVIDIA $5.1T市值+71.1%毛利率验证 | |
| | | 市场空间最大（2026年规模因口径差异从$93亿到$4.44万亿不等），技术验证最充分（Wayve GAIA-2） | |
| | | | |
| | | 商业化路径清晰（Runway $300M ARR），市场增长快 | 大厂竞争（OpenAI/Google/NVIDIA）、版权风险 |
| | | | |
•我们判断，当前是布局该领域的好时机，因为(1)技术可行性已被Sora/Genie 3/Cosmos 3充分验证；(2)自动驾驶/机器人/游戏三大场景需求明确且市场空间巨大；(3)一级市场虽已热但尚未全面泡沫化（与2024-2025年LLM赛道相比），但需要关注技术路线尚未收敛带来的路径选择风险和头部项目估值快速攀升带来的入场成本压力 [1.36kr·世界模型全景][8.个人·世界模型全拆解]。 | | | |
|---|
| | | |
| 已与至少1家产业方（车企/机器人公司/游戏厂商）达成合作或POC | | |
| 核心团队来自顶级AI实验室（OpenAI/DeepMind/清华等）或有连续创业经验 | | |
| | | |
| | | |
| | | |
我们认为，本研究存在的局限：(1) 世界模型赛道发展极快（2026年每个月都有重大事件），报告中的数据可能已有更新；(2) 多数创业公司财务数据-，§8财务分析主要依赖上市公司可比数据；(3) 技术路线判断存在不确定性，JEPA/自监督路线可能在3-5年内被证明不可行或远超预期；(4) 中国市场33家创业公司的详细技术评估受限于公开信息，可能存在遗漏或偏差。建议每季度更新以跟踪快速变化的行业。1. [36kr·世界模型全景] — 我们梳理了中国所有世界模型公司：6条技术路线，4家00后创始人. https://36kr.com/p/3864199326815239 2026.06（A,竞争/融资）2. [Csdn·2026综述] — 【2026年世界模型最全综述】：从开山之作到Sora与Genie 3. https://blog.csdn.net/weixin_46200189/article/details/161335538 2026.05（B,技术综述）3. [Huo15·进展汇总] — 2026世界模型进展汇总·Sora Genie Cosmos JEPA. https://www.huo15.com/blog/人工智能-4/2026-世界模型进展-ai-如何学会做梦-6 2026.04（B,技术进展）4. [AIMaster·2026之战] — 世界模型之战2026：NVIDIA Cosmos 3、DeepMind Genie 3. https://www.ai-master.cc/blog/blog-289 2026.06（B,竞争分析）5. [AIMaster·技术路线解析] — 世界模型World Model技术路线全面解析. https://www.ai-master.cc/article/agent-073 2026.06（B,技术分析）6. [Arxiv·世界模型综述] — World Models: A Comprehensive Survey of the State-of-the-Art. https://arxiv.org/abs/2606.00133 2026.05（A,学术综述）7. [Caixin·世界模型融资] — 世界模型公司融资潮起 中国流形空间、美国Odyssey获大额融资. https://www.caixin.com/2026-06-18/102455446.html 2026.06（A,融资报道）8. [个人·世界模型全拆解] — 世界模型(World Models)深度研究：从理论到应用的全景拆解. https://wujiaming88.github.io/2026/06/09/world-models.html 2026.06（B,技术深度分析）9. [TechCrunch·AMI融资] — Yann LeCun's AMI Labs raises .03B to build world models. https://techcrunch.com/2026/03/09/yann-lecuns-ami-labs-raises-1-03-billion-to-build-world-models/ 2026.03（A,融资报道）10. [Sina·Manifold融资] — Manifold AI流形空间完成近10亿元Pre-A轮融资，成立1年跻身独角兽. https://finance.sina.com.cn/cj/2026-06-18/doc-inicuyvz2356016.shtml 2026.06（B,融资报道）11. [Sohu·世界模型开战] — LLM时代终结？世界模型全面开战. https://www.sohu.com/a/1013577258_120603108 2026.04（B,行业动态）12. [TechTimes·JEPA证明] — Yann LeCun's World Model Earns a Formal Proof. https://www.techtimes.com/articles/317452/20260531/yann-lecuns-world-model-earns-formal-proof-benchmark-finds-current-models-brittle.htm 2026.05（B,学术进展）13. [10100·政策对比] — 全球AI监管政策对比：欧盟/美国/中国三大框架. https://www.10100.com/article/149100632 2026.06（B,政策分析）14. [ValueAddVC·AI估值] — AI Company Valuations 2026: Anthropic 65B IPO, OpenAI. https://valueaddvc.com/ai-valuations 2026.06（B,估值分析）15. [Network·推理经济学] — AI Inference Economics: The 1,000x Cost Collapse Reshaping GPUs. https://www.gpunex.com/blog/ai-inference-economics-2026/ 2026.02（B,成本分析）16. [Spheron·推理经济学] — AI Inference Cost Economics in 2026: GPU FinOps Playbook. https://www.spheron.network/blog/ai-inference-cost-economics-2026/ 2026.04（B,成本分析）17. [FortuneBI·自动驾驶市场] — Autonomous Vehicle Market Size, Share, Growth, Trends, 2034. https://www.fortunebusinessinsights.com/autonomous-vehicle-market-109045 2026.06（A,市场研究）18. [NVIDIA·FY2026年报] — NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026. https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Fourth-Quarter-and-Fiscal-2026/default.aspx 2026.02（S,公司财报）19. [火猫·卜拉格融资] — 林俊旸创办"卜拉格"AI实验室，首轮估值135亿元. https://www.firecat-web.com/daily-news/10463 2026.06（B,融资报道）20. [ByteDance·Seedance2.0] — Seedance 2.0 正式发布（字节跳动 Seed 团队，统一多模态音视频联合生成架构）. https://seed.bytedance.com/zh/blog/official-launch-of-seedance-2-0 2026.02（A,产品发布）21. [AtlasCloud·视频API对比] — Seedance 2.0 vs. Sora 2 vs. Kling 3.0：AI 视频 API 终极对比（2026）. https://www.atlascloud.ai/zh/blog/guides/seedance-2-vs-sora-2-vs-kling-3-comparison 2026（B,竞争分析）22. [VolcEngine·Seedance架构] — Seedance 2.0：模型架构解析与推理优化实践（火山引擎）. https://www.volcengine.com/article/40601 2026（B,技术分析）23. [ResearchAndMarkets·自动驾驶市场] — Autonomous Vehicles Market Report 2026. https://www.researchandmarkets.com/reports/6225905/autonomous-vehicles-market-report 2026（A,市场研究）24. [TBRC·自动驾驶汽车市场] — Autonomous Cars Global Market Report. https://www.thebusinessresearchcompany.com/report/autonomous-cars-global-market-report 2026（A,市场研究）──────────────────────────────────────────────────────────────────────────来源总数：24 个（S级1 / A级8 / B级15 / C级0）交叉验证：核心数据点 8 个，7 个完成双源验证（需人工判定：每个核心数据点是否≥2个独立来源）数据时效：24/24 个来源为近12个月（100%）└─ 完整度：12/12（12章中12章达到B+级覆盖）─────────────────────────────────────• 本报告采用 AiotCap-Deep--Industry-Research 技能生成• 报告中"我们认为"标记的为分析判断，非事实陈述【AI Report】:
【AI Report】电子布（玻纤电子布/PCB基材）深度研究报告
【AI Report】具身智能 深度研究报告
【AI Report】可控核聚变 深度研究报告
【AI Report】量子计算 深度研究报告
【AI Report】太空能源开发 深度研究报告
【AI Report】脑机接口（BCI）深度研究报告
【AI Report】AI制药 深度研究报告
【AI Report】固态电池 深度研究报告
【AI Report】光芯片 深度研究报告
【AI Report】桌面3D打印 深度研究报告
【AI Report】智能驾驶_深度研究报告
【AI Report】区块链_深度研究报告
【AI Report】AI大模型_深度研究报告
历史文章摘选：
“有毅思”的公众号使用指南
投资分析基础——信息高效检索的基本方法和工具
投资分析基础——为什么需要搭建个人的AIoT认知系统
投资分析基础——如何搭建个人AIoT认知决策系统（1）——传感系统
投资分析基础——如何搭建个人AIoT认知决策系统（2）——传输系统
投资分析基础——如何搭建个人AIoT认知决策系统（3）——脑机存储系统
投资分析基础——如何搭建个人AIoT认知决策系统（4）——计算系统
坚决硬刚某自称投资人 “一律不投支持与病毒共存创业者”的言论
人生就是一场“风险投资”
私募股权投资的阶段划分与价值创造
你是什么样的“投资人”？
你是什么样的“创业者”？
投资分析三要素——趋势、定价、择时
行业分析的一种思路
按照什么逻辑来给项目估“值”？
没有财务模型的投资决策不是好决策
财务分析建模和投资基础怎么学？
择时——择的什么时？
目标和实现之间缺了这两个关键
怎样把一个项目讲清楚，分析清楚？
寻找和分析投资机会的一个视角——时间价值论
风险投资的超额收益从哪里来？（1）
风险投资的超额收益从哪里来？（2）--量化视角
如何减少投资决策过程中的信息不对称，或者利用信息不对称优势获利？
怎样把一个行业讲清楚，分析清楚？
怎样评估一个企业的核心竞争力（1）
怎样评估一个企业的核心竞争力（2）
护城河、护城墙与围栏
护城河、护城墙与围栏（2）
财务分析的三个组成部分
历史财务数据分析的主要关注点
财务建模-财务预测的流程和方法
科技项目的估值方法
对拟投资项目的综合分析
简化思维——快速厘清项目分析、工作的重点和脉络
简化思维——寻找第一性、抽样和相关工具
投资分析的重要基础：逻辑思维
辩证思维--投资分析的安全绳
投资人的必备素养——概率思维
系统思维——打造投资系统
演化思维——生命体、组织生存和发展的指导思想
复杂性思维——大部分事情没那么简单
工程思维——一切为了解决问题
批评性思维——都可能是错的
思维模型/心智模型——多角度取景
数学——第一性的第一性
物理学——认知世界的关键底层逻辑（1）
物理学——认知世界的关键底层逻辑（2）
物理学——认知世界的关键底层逻辑（3）
化学——寻找最好的“配方”
生物学——“本性难移”（1）
生物学——“本性难移”（2）
生物学——“本性难移”（3）
系统——看见森林
工程学——向工程师学习
计算机——构建自己的“计算”系统
军事——用战争消灭战争
经济学——站在经济视角扫描世界（1）
经济学——站在经济视角扫描世界（2）
心理学/认知科学——三重脑
节点回顾及调整
心理学/认知科学——启发式与认知偏误
心理学/认知科学——启发式与认知偏误（2）
心理学/认知科学——启发式与认知偏误（3）
心理学/认知科学——启发式与认知偏误（4）
心理学/认知科学——启发式与认知偏误（5）--思维导图
推荐10本2022年看过的书
国内投资机构打法的演变
从生产要素视角看未来的大机会在哪里？
源动力——寻找持续驱动成长的力量（1）
【番外杂谈】卡脖子技术和进口替代的投资悖论
【番外杂谈】数字经济、数据要素领域的投资
【番外杂谈】风口、趋势与猪
投资分析三要素——趋势、定价、择时（量化视角）
