Apakah Model Dunia dalam AI? Panduan Perniagaan untuk AI yang Mensimulasikan Realiti

Dikemas kini Julai 2026

Model dunia ialah sistem AI yang dilatih untuk membina simulasi ramalan dalaman bagi sesuatu persekitaran: rupa sesuatu adegan, cara objek dan manusia bergerak melaluinya, dan apa yang berlaku seterusnya selepas sesuatu tindakan. Berbanding meramalkan perkataan seterusnya seperti yang dilakukan oleh model bahasa, model dunia meramalkan keadaan seterusnya sesebuah dunia.

Perbezaan ini kedengaran kecil. Sebenarnya tidak. Inilah perbezaan antara AI yang bercakap tentang dunia fizikal dengan AI yang memahaminya cukup baik untuk bertindak di dalamnya, atau untuk membina satu versi dunia itu yang boleh anda jelajahi, gunakan untuk menguji robot, atau menjana keseluruhan tahap permainan daripadanya.

Bagaimana Model Dunia Mempelajari Simulasi Dalaman

Model dunia tidak menghafal fakta tentang dunia seperti yang dilakukan oleh ensiklopedia. Ia mempelajari fizik serta sebab-akibat dengan memerhati jumlah video yang sangat besar, data interaksi, dan (semakin kerap) log sensor robot, kemudian memampatkan apa yang dilihatnya menjadi satu representasi dalaman yang padat bagi "keadaan": di mana objek berada, bagaimana ia bergerak, dan apa yang mungkin berlaku sebentar lagi.

Latihan secara amnya mengikut tiga peringkat:

1. Serap jujukan mentah. Model memerhati berjuta-juta jam video, rakaman permainan, atau demonstrasi robot, setiap bingkai dipadankan dengan tindakan (pergerakan kamera, pergerakan lengan robot, tekanan kekunci) yang menyebabkan bingkai seterusnya berlaku.
2. Belajar meramalkan keadaan seterusnya. Berdasarkan keadaan semasa dan sesuatu tindakan, model belajar meramalkan apa yang berlaku seterusnya, berulang kali, sehingga simulasi dalamannya berhenti menyimpang daripada cara dunia sebenar sebenarnya berfungsi.
3. Jalankan simulasi ke hadapan. Setelah dilatih, model boleh menjana keadaan baharu tanpa had, pada dasarnya "membayangkan" apa yang akan berlaku jika seseorang, robot, atau kamera mengambil sesuatu tindakan, tanpa tindakan itu pernah berlaku dalam realiti.

Genie 3 daripada Google DeepMind ialah contoh konkrit yang berguna. Ia merupakan transformer autoregresif dengan 11 bilion parameter yang mengambil gesaan teks dan menjana dunia yang boleh dijelajahi secara masa nyata pada resolusi 720p dan 24 bingkai sesaat, dengan ingatan visual yang meliputi kira-kira seminit ke belakang supaya persekitaran kekal konsisten semasa anda bergerak melaluinya (Google DeepMind, 2026). Itulah gelung terasnya: huraikan sesebuah dunia, dapatkan kembali satu tempat yang boleh anda jelajahi, di mana model itu sentiasa meramalkan apa yang sepatutnya muncul seterusnya berdasarkan ke mana anda baru sahaja bergerak.

Inilah juga yang membezakan model dunia daripada penjana video biasa. Penjana video menghasilkan klip yang tetap. Model dunia mengekalkan keadaan dalaman yang berterusan dan bertindak balas terhadap input, lebih menyerupai simulasi berbanding filem.

Mengapa Model Dunia Penting

Robotik. Latihan robot di dunia sebenar adalah perlahan dan mahal: setiap cubaan mencapit atau perlanggaran yang gagal memakan masa, perkakasan, dan kadangkala keselamatan. Model dunia membolehkan jurutera menjana jumlah besar senario latihan yang realistik dan secara fizikal munasabah dalam simulasi terlebih dahulu, kemudian memindahkan apa yang dipelajari robot itu ke dalam mesin sebenar. Nvidia menamakan ini "AI fizikal," dan inilah premis keseluruhan di sebalik Cosmos: latih dasar (policy) dalam dunia simulasi sebelum ia menyentuh dunia sebenar buat kali pertama.

Penjanaan video dan kandungan. Alat video AI tradisional menjana satu klip dan berhenti di situ. Model dunia boleh dikawal, dilawati semula, dan dilanjutkan, itulah sebabnya syarikat penjanaan video seperti Runway secara terang-terangan mengubah kedudukan mereka ke arah model dunia berbanding klip sekali jana. Penjanaan yang lebih panjang, boleh dikawal, dan konsisten secara fizikal ialah langkah seterusnya selepas "taip satu gesaan, dapatkan 5 saat video."

Perancangan dan AI agentik. Ejen AI yang boleh mensimulasikan kemungkinan hasil sesuatu tindakan sebelum mengambilnya boleh merancang beberapa langkah ke hadapan berbanding bertindak balas selangkah demi selangkah. Ini merupakan peningkatan yang bermakna berbanding ejen yang hanya menaakul dalam bentuk teks: model dunia memberikan ejen sesuatu yang lebih hampir dengan imaginasi, satu cara untuk menguji rancangan secara mental sebelum melaburkan sumber ke atasnya.

Satu laluan yang mungkin ke arah AI yang lebih umum. Model bahasa besar amat mahir memanipulasi teks, tetapi teks hanyalah huraian tentang dunia, bukan dunia itu sendiri. Penyelidik termasuk Fei-Fei Li berhujah bahawa kecerdasan spatial, iaitu kefahaman tentang cara objek, ruang, dan masa sebenarnya berfungsi, merupakan keupayaan berasingan yang tidak diajar oleh bahasa semata-mata kepada sesuatu model. Model dunia merupakan salah satu pertaruhan paling konkrit dalam industri untuk merapatkan jurang tersebut.

Pemain dan Projek Utama pada 2026

Google DeepMind, Genie 3. Model dunia DeepMind menjana persekitaran masa nyata, boleh dimainkan, dan digesa melalui teks. Ia dilancarkan kepada pelanggan Google AI Ultra pada 29 Januari 2026, selepas mula diperkenalkan pada 2025, dan mewakili demonstrasi awam yang paling jelas setakat ini bagi penjanaan dunia interaktif secara masa nyata (Google DeepMind, 2026; 9to5Google, 2026).

World Labs, diasaskan oleh Fei-Fei Li. World Labs membina Marble, satu model dunia yang menukar gesaan teks, foto, klip video, atau bentuk susun atur 3D kasar menjadi persekitaran 3D yang berterusan, boleh disunting, dan boleh dijelajahi, disasarkan khusus untuk industri spatial seperti seni bina, permainan, dan reka bentuk (World Labs, melalui TechCrunch, 2026).

Nvidia Cosmos. Cosmos ialah platform model asas dunia Nvidia untuk apa yang dipanggilnya "AI fizikal," menjana data latihan sintetik dan trajektori tindakan untuk mempercepatkan pembangunan robotik dan kenderaan autonomi. Cosmos 3, dilancarkan pada 2026, dilatih menggunakan kira-kira 20 trilion token data multimodal, termasuk hampir satu bilion imej dan 400 juta video sebenar dan sintetik (Nvidia Newsroom, 2026).

Runway. Paling dikenali dengan penjanaan video AI, Runway telah mengubah hala tujunya ke arah model dunia, mengumpulkan $315 juta dalam pusingan Siri E pada Februari 2026 secara khusus untuk "pra-latih generasi model dunia yang seterusnya," di samping model dunia pertamanya yang dilancarkan pada Disember 2025 (TechCrunch, 2026).

Keempat-empat organisasi ini tidak bersaing dalam produk yang sama. DeepMind dan Runway lebih cenderung ke arah model dunia generatif bergaya video yang anda jelajahi secara masa nyata. World Labs lebih cenderung ke arah adegan 3D yang berterusan dan boleh disunting. Nvidia lebih cenderung ke arah ketepatan fizikal untuk robot dan kenderaan. Secara bersama, mereka membentuk rupa semasa kategori ini.

Model Dunia berbanding LLM

Batasan Model Dunia

Model dunia sedang berkembang pesat, tetapi ia masih jauh daripada teknologi yang lengkap.

• Tempoh konsistensi yang singkat. Genie 3 mengekalkan dunia yang konsisten selama beberapa minit, bukan berjam-jam. Simulasi berjalan lama masih menyimpang atau kehilangan konsistensi.
• Kos pengkomputeran yang tinggi. Melatih menggunakan puluhan trilion token data video dan simulasi, serta menjalankan penjanaan masa nyata pada kadar bingkai yang boleh digunakan, memerlukan pengkomputeran yang jauh lebih banyak berbanding melatih model teks dengan tahap ambisi yang setanding.
• Fizik yang tidak sempurna. Model ini mempelajari fizik secara statistik, daripada contoh, bukan daripada prinsip asas. Ia masih boleh menjana adegan di mana objek bertindak dengan cara yang tidak sepadan dengan mekanik dunia sebenar.
• Data interaksi dunia sebenar yang terhad. Teks terdapat secara banyak dalam talian. Video berkualiti tinggi yang dipadankan dengan data tindakan yang tepat (terutamanya daripada robot sebenar) agak terhad dan mahal untuk dikumpulkan.
• Belum ada penanda aras yang dikongsi. Berbeza dengan model bahasa yang mempunyai berpuluh-puluh penilaian standard, model dunia masih belum mempunyai cara yang dipersetujui untuk mengukur "sebaik mana" sesuatu simulasi, yang menyukarkan perbandingan vendor bagi pembeli.
• Jurang simulasi-ke-realiti. Dasar (policy) robot yang berfungsi dengan sempurna dalam dunia simulasi masih boleh gagal di lantai kilang jika simulasi itu terlepas pandang sesuatu pemboleh ubah dunia sebenar, jadi latihan simulasi masih memerlukan pengesahan dunia sebenar.

Fakta Utama: Model Dunia dalam Angka

• Genie 3 daripada Google DeepMind menjana dunia masa nyata yang boleh dijelajahi pada resolusi 720p dan 24 bingkai sesaat, dengan ingatan visual kira-kira seminit untuk mengekalkan konsistensi dunia semasa anda bergerak melaluinya. Sumber: Google DeepMind
• Model asas dunia Cosmos 3 daripada Nvidia dilatih menggunakan kira-kira 20 trilion token data multimodal, termasuk hampir satu bilion imej dan 400 juta video sebenar dan sintetik. Sumber: Nvidia Newsroom
• World Labs, diasaskan oleh Fei-Fei Li, mengumpulkan kira-kira $1 bilion pada Februari 2026, termasuk $200 juta daripada Autodesk, menjadikan jumlah pembiayaannya kira-kira $1.23 bilion. Sumber: TechCrunch
• Penilaian World Labs dilaporkan meningkat daripada $1 bilion semasa pelancarannya pada 2024 kepada kira-kira $5 bilion menjelang Januari 2026, dalam tempoh kira-kira enam belas bulan. Sumber: Bloomberg
• Runway mengumpulkan $315 juta dalam pusingan Siri E pada Februari 2026 pada penilaian $5.3 bilion, sebahagiannya diperuntukkan untuk pra-latih generasi model dunia yang seterusnya. Sumber: TechCrunch
• AI Generatif, kategori lebih luas yang meliputi model dunia, berkembang lebih 200% dalam pelaburan swasta pada 2025 dan meraih hampir separuh daripada keseluruhan pembiayaan AI swasta di peringkat global. Sumber: Stanford HAI, Laporan Indeks AI 2026

Implikasi Perniagaan dan Industri

Bagi kebanyakan syarikat, model dunia bukan item jangka pendek, tetapi ia berbaloi untuk dipantau atas beberapa sebab.

Robotik dan pembuatan merupakan penerima manfaat awal yang paling jelas. Jika perniagaan anda bergantung pada automasi fizikal, robotik gudang, atau kenderaan autonomi, model dunia semakin menjadi cara standard bagi vendor menjana data latihan sintetik yang diperlukan oleh sistem tersebut, yang sepatutnya kelihatan sebagai kitaran penggunaan yang lebih pantas dan lebih sedikit kegagalan latihan dunia sebenar yang mahal dalam beberapa tahun akan datang.

Industri spatial dan kreatif (seni bina, hartanah, permainan, reka bentuk industri, filem) mendapat satu alat yang lebih segera: menukar foto, lakaran, atau gesaan teks menjadi ruang 3D yang boleh dijelajahi, yang tepat sekali merupakan tawaran di sebalik Marble daripada World Labs. Ini memendekkan gelung antara "idea" dengan "lawatan yang benar-benar boleh anda nilai."

Sesiapa sahaja yang membina atau membeli AI agentik perlu memerhati ruang ini walaupun mereka tidak pernah menyentuh robot. Jika ejen akhirnya mendapat akses kepada "imaginasi" dalaman, iaitu keupayaan untuk mensimulasikan hasil sesuatu rancangan sebelum melaksanakannya, ini mengubah apa yang boleh diwakilkan secara munasabah oleh perniagaan kepada ejen berbanding apa yang masih memerlukan semakan manusia terlebih dahulu.

Dari segi belanjawan, layan model dunia sebagaimana anda melayan mana-mana teknologi pra-pengeluaran: menjanjikan, mendapat pembiayaan yang baik, dan belum lagi sesuatu yang perlu dijadikan asas kepada aliran kerja kritikal. Keperluan pengkomputeran dan data adalah tinggi, tempoh konsistensi masih diukur dalam minit, dan belum ada cara standard untuk menilai model dunia satu vendor berbanding vendor lain. Perhatikan ruang ini, jalankan projek rintis secara terhad jika ia relevan secara langsung dengan industri anda, dan jangan pertaruhkan proses teras pada teknologi ini pada 2026.

Sumber Berkaitan

Terokai konsep berkaitan berikut untuk memperdalam kefahaman anda tentang model dunia:

• Model Bahasa Besar (LLM) - Bagaimana AI berasaskan teks berbeza daripada model dunia
• Ejen AI - Bagaimana sistem agentik boleh menggunakan model dunia untuk merancang ke hadapan
• AI Multimodal - AI yang memproses pelbagai jenis data, satu asas yang menjadi tapak pembinaan banyak model dunia
• Model Difusi - Teknik penjanaan imej dan video yang menjadi asas kepada banyak seni bina model dunia
• Pembelajaran Pengukuhan - Bagaimana ejen belajar daripada persekitaran simulasi, berkait rapat dengan latihan model dunia
• AI Generatif - Kategori AI yang lebih luas yang mencipta kandungan baharu, termasuk dunia simulasi
• Seni Bina Transformer - Tulang belakang teknikal di sebalik model seperti Genie 3
• Model Asas - Model besar serba guna yang menjadi asas kepada kedua-dua model dunia dan LLM
• Penglihatan Komputer - Bagaimana AI mentafsir data visual yang menjadi bahan latihan model dunia

Sumber Luaran

• Google DeepMind - Genie 3: A New Frontier for World Models - Pengumuman rasmi dan butiran teknikal
• Nvidia Newsroom - Nvidia Launches Cosmos 3 - Model asas dunia Nvidia untuk AI fizikal
• TechCrunch - World Labs Lands $200M From Autodesk - Pembiayaan World Labs dan butiran produk Marble
• Stanford HAI - 2026 AI Index Report, Economy Chapter - Data pelaburan AI Generatif yang dipetik di atas

Sebahagian daripada Koleksi Istilah AI. Terakhir dikemas kini: 2026-07-16