20260806-东吴证券-_汽车_黄细里_深度_AI系列深度13期_世界模型如何实现_4页_854kb

世界模型实现分析总结（AI系列深度13期）

核心内容

世界模型是当前人工智能领域的重要研究方向，其核心在于构建智能体对环境状态及其演化规律的内部建模能力，以支持预测、规划与决策。该模型的实现路径涉及多个技术流派与应用场景，其发展与落地受到多方面因素的制约。

主要观点

• 世界模型的定义与来源
  世界模型并非单一技术概念，而是源自认知科学、系统动力学与人工智能三个不同脉络。其共同目标是模拟环境状态和演化规律，但在技术实现上存在差异。当前，世界模型在人工智能语境下特指智能体用于预测行动后果并支持规划与决策的内部环境模型。

• 技术路线分歧
  世界模型主要分为生成式与非生成式两种路线。

  • 生成式路线注重还原未来画面或视频，能够直接产出视频、合成数据和仿真环境。
  • 非生成式路线如JEPA，则专注于抽象表征的预测，但面临训练坍缩、可解释性不足、演示难度高和缺少中间产品等问题。
    产业界更倾向于生成式或混合式路线，因其在实际应用中更具可行性。

• 世界模型的应用场景
  自动驾驶是目前世界模型闭环最完整的场景之一，其流程包括：

  • 车队回传真实数据
  • 云端世界模型重建与生成场景
  • 策略在虚拟环境中训练与评估
  • 通过OTA将结果反馈至车端，形成数据飞轮
    Waymo、NVIDIA、Wayve、小鹏、理想、华为等企业均在该领域进行探索。

• 世界模型的瓶颈与挑战
  尽管世界模型在数字AI领域进展迅速，但其要实现物理闭环仍面临以下关键约束：

  • 物理一致性不足：当前模型难以准确模拟物理世界的规则与特性。
  • 长时序不稳：模型在长时间预测中容易出现误差累积。
  • 评测标准不统一：缺乏公认的评估体系，限制了技术的验证与推广。
    场景误差容忍度决定了世界模型当前可落地的边界，高风险数字场景和物理闭环场景（如自动驾驶、机器人）需要更严格的验证。

关键信息

• 数字AI与物理AI的区分
  数字AI的底座模型发展路径逐渐清晰，但难以实现物理世界的建模闭环。相比之下，物理AI作为AI在物理世界中的解决方案，具有更大的增量潜力。智能驾驶作为最先跑通闭环的代表场景，应成为重点关注方向。

• 风险提示
  技术迭代不及预期、大模型厂商ARR增速放缓、云服务商资本开支不及预期、智能驾驶及机器人商业化落地不及预期，均可能对世界模型的发展造成影响。

行业数据概览

数据来源：Wind，东吴证券研究所
注：所对应市值、PE 收盘价截至 2026/7/31，港股市值对应港币，其余数据货币单位均为人民币，HKDCNY 汇率为 2026 年 7 月 31 日的 0.86，盈利预测源于东吴证券研究所。

东吴证券研究所联系方式

• 公募机构销售

  • 华北区域：安娜、卢亚英、姚瑶、李佳南、韩琳、刘诗琦、程心泽、张寅瑜
  • 华东区域：武晋婧、谢彤、韩青、陈奕舟、朱纹佳、王馨卉、张祎晶、宦明、毕爽、李昕蔚、杨晨晖
  • 华南区域：封彦竹、姚珂、吴芳虹、李奇睿子可睿、闫娜、先琳、祝如玉、俞云帆、孔德慧、刘玥

• 非公募机构销售

  • 保险机构业务：俞雅敏、罗媛、刘昕彤、董尚文、江迎若、汤祎祎
  • 银行及创新业务：汤婷、梅沁、王莹莹、王朝阳、张琛、陈睿、郭欣然、过云龙
  • 私募业务：杭静、黄凯、宋林秋、刘茜、马昕妍、黄龚晗、赵已诺、励洁茹
  • 业海务外：武晋婧、陆梦杰
  • 华非公募：杨铭、陈维彤、李迪、何梓熙

附加信息

• 关注“东吴研究所”公众号，获取更多牛股资讯。
• 本内容为东吴证券研究所依法设立的官方订阅号所发布，不构成投资建议，仅用于信息分享。