腾讯阿里同日发布世界模型：国产 AI 的「空间智能」竞赛打响

4 月 11 日到 17 日这一周，国内 AI 圈发生了一件有意思的事：腾讯和阿里巴巴在同一天发布了各自的世界模型。

不是商量好的，就是纯粹的巧合。但这种「撞车」，恰恰说明了一件事：世界模型，或者说「空间智能」，正在成为大模型竞争的下一个主战场。

为什么是世界模型？

先解释一下什么是世界模型（World Model）。

简单说，就是让 AI 不仅能理解语言，还能理解物理世界——空间关系、物体运动、因果关系。

之前的 AI，你问它「桌子上的杯子被打翻了，水会流到哪」，它可能能答对，但那是基于文本统计的「猜」，而不是真正的「理解」。

世界模型的目标是让 AI 建立对物理世界的内部表征，像人一样具备「常识」。

腾讯和阿里做了什么？

腾讯混元：发布了 3D 生成大模型，可以从单张图片生成可交互的 3D 场景。技术上用的是扩散模型 + NeRF 的结合，支持实时渲染。

阿里巴巴：通义千问团队发布了「空间理解」大模型，主打场景理解和空间推理。 demo 里展示了让 AI 规划房间布局、理解家具摆放的合理性。

两家路径不太一样：

• 腾讯偏「生成」——我给你一张图，你生成 3D
• 阿里偏「理解」——我给你一个场景，你告诉我这是什么、该怎么布置

这背后的信号

第一，大模型竞争正在从「语言智能」转向「空间智能」。

ChatGPT 证明了语言模型的威力，但语言只是人类智能的一部分。要做出真正的通用人工智能，空间理解是绕不开的。

第二，国产大模型开始有自己的差异化路线。

以前我们老说国产模型是「跟随者」，OpenAI 做什么我们跟什么。但世界模型这个赛道，大家其实差不多同时起步。腾讯阿里的这次发布，说明国内大厂也在尝试定义新的技术方向。

第三，应用场景更明确了。

世界模型最直接的应用是自动驾驶、机器人、AR/VR。这些正是中国公司有优势的领域——我们有庞大的制造业基础，有丰富的应用场景。

但问题也很明显

说实话，看完两家发布的 demo，我的感受是：有进步，但离「可用」还有距离。

腾讯的 3D 生成，细节还不够精细，纹理有时候会糊。阿里的空间理解，在简单场景表现不错，但复杂场景还是会犯错。

更重要的是，这两个模型现在都是「demo 阶段」，没有开放 API，没法大规模测试。

我的看法

世界模型是下一个必争之地，这个判断没问题。但谁能跑出来，现在还不好说。

OpenAI 的 Sora 证明了视频生成的可能性，但 Sora 不是世界模型——它生成的是「看起来像视频的画面」，而不是「理解物理规律的视频」。

真正的世界模型，需要解决因果推理、物理仿真、长期规划这些难题。这些都不是靠堆算力就能解决的。

国产大模型在这个赛道上有机会，因为我们的应用场景丰富。但技术上，还需要更多原创性的突破，而不是跟随。

你觉得世界模型会是国产 AI 的弯道超车机会吗？