窜访夭折，“台独金孙”遭“空中锁喉”
文 | 新态度 Pro2026 年 4 月 16 日，腾讯和阿里在统一天各自宣布了一款「天下模子」产品。前者是开源的混元 3D 天下模子 2.0（HY-World 2.0），后者是主打实时交互的 HappyOyster。这种巧合在科技行业并不有数，竞争敌手盯着相互的宣布节奏，谁也不想慢半拍。已往两年，围绕「天下模子」的讨论在学术界和工业界一直一连升温，但大多停留在预言和争论层面。真正把这个话题推向公众视野的，是 Meta 前首席 AI 科学家杨立昆（Yann LeCun）在 2025 年底 MIT 钻研会上的一番话。他说，" 三到五年内，天下模子将取代 LLM 成为主流 AI 架构，没有理智正常的人还会用我们今天这种大语言模子 "。这话在硅谷冒犯了不少人，也让「天下模子」这个词真正进入了主流讨论。杨立昆的预言是否会成真，业界看法不同极大。但有一件事正在爆发：资源、人才和顶级实验室的注重力，都在向这个偏向集中。李飞飞的 World Labs 已完成新一轮 10 亿美元融资，英伟达的 Cosmos 平台下载量突破 500 万次，杨立昆自己脱离 Meta 建设 AMI Labs，完成 10.3 亿美元种子轮融资。在海内，腾讯、阿里、生数科技、群核科技各自押注差别蹊径，中国玩家在这场竞争中的加入深度远超大大都外界视察者的预期。在此配景之下，本文试图回覆三个问题：天下模子和大语言模子的实质界线在那里？全球的手艺名堂是怎样分解的？以及中国玩家在这条赛道上的真实处境是什么？三个问题相互咬合，脱离看都不完整。大语言模子的盲区，以及天下模子从那里最先LLM 的焦点机制是在语言空间里找纪律，给定前面的词，然后展望下一个词泛起的概率。这个机制在大规模数据上训练之后，涌现出了令人惊讶的能力：写作、推理、编程、翻译。但这种能力的底层，始终是统计意义上的语言纪律，而不是对物理天下的真实明确。LLM 知道「玻璃杯掉到地上会碎」，是由于这个句子在训练数据里泛起过无数次，并不是由于它明确了弹性模量、应力传导和攻击能量。对它来说，「重力」是一个频仍与特定语境共现的词语，却不是一个可以在新场景里推广应用的物理纪律。这个区别在谈天、摘要、代码天生这类使命里无关紧要，LLM 已经足够好用。但当 AI 需要和物理天下爆发真实的交互，局限就变得清晰起来。让机械人计齐整条从桌边绕过障碍物取到杯子的路径，需要明确三维空间、物体的形状和质量、行动的力度和偏向 ；让自动驾驶系统展望前方车辆在下一秒的位置，需要明确速率、加速率和驾驶意图 ；让一个 AI 角色在游戏天下里做出合理的行为，需要明确场景的因果结构，而不但是像素的视觉一致性。这些使命，语言建模的框架从基础上就不适合处置惩罚。天下模子的起点，正是填补这个空缺。简朴说，天下模子展望的不是下一个词，而是下一个状态。物体在空间中的位置会怎么转变，一个行动会引发什么样的连锁反应，光线在差别材质外貌的反射在视角移动后怎样演变。它试图构建的是一个对物理现实的内部表征，让 AI 能够在这个表征上举行妄想、展望和推断，而不但是在语言空间里举行模式匹配。打一个不那么准确但有助于明确的例如，LLM 像一位读遍了旅游导览的图书管理员，他能告诉你北京任何一条街道胡同的名字和历史，但若是你把他放在那条街上，他未必知道往哪个偏向走才华找到最近的地铁站。而天下模子则试图训练出一个真正在都会里行走过、对空间有具身感知的向导。这无关知识量的巨细，而是知识性子的区别。然而，「天下模子」在当下又不是一个界线清晰的手艺看法。差别团队在做的事情，差别远比名字所体现的要大。有些团队做的是基于视频的交互式天生系统，焦点是让模子学会「若是用户这样操作，画面接下来会怎么变」 ；有些团队做的是从图像或形貌直接天生可编辑的三维几何资产，重点在于输出物的工程可用性 ；尚有些团队做的是为机械人和自动驾驶提供物理仿真训练情形，重点在于数据的物理准确性。这三条蹊径的交集有限，背后的商业逻辑也截然差别。明确这一点，是看懂目今名堂的条件。三条蹊径的手艺分野与战略选择从手艺蹊径来看，全球天下模子竞争现在大致沿三个偏向睁开，每条偏向都有其内在逻辑，也有其固有的局限。第一条蹊径可以叫做「视频基天下模子」。这条蹊径的焦点假设是视频是物理天下最富厚的纪录，只要让模子足够深入地学习视频数据，它就能学会天下的运行纪律。Google 的 Genie 系列是这条蹊径的学术代表，Genie 3 于 2025 年 8 月向部分研究职员开放实验性预览版本，用户输入文字形貌，模子实时天生可交互的三维场景。李飞飞的 World Labs 推出的 Marble，能够从文本或图片天生气概多样的可周游虚拟天下。阿里巴巴 ATH 事业部的 HappyOyster 走的也是这条路，其差别化在于原生多模态架构与流式天生能力的团结。模子在天生历程中一连吸收用户指令并实时响应，用户可以在已天生的场景里调解镜头、改写剧情、调理角色，而不是期待一段完整的视频渲染完成再看效果。现在 HappyOyster 支持一连三分钟以上的实时导演级交互，在体验层面是海内这条蹊径现在最成熟的产品。但这条蹊径有一个内置的局限，那就是基于视频学习的天下模子，天生的是像素意义上的一致性，而纷歧定是物理意义上的真实性� ；婵雌鹄戳�，不代表背后有真实的三维结构 ；光影看起来合理，也不代表模子真正明确了光的撒播纪律。HappyOyster 也在手艺文档里认可，周游模式和导演模式现在尚未完全买通，长时序场景中的一致性仍有待提升。这也是整条蹊径目今阶段配合面临的工程挑战。第二条蹊径是「3D 资产化天下模子」，腾讯混元 3D 天下模子 HY-World 2.0 是这条蹊径现在最有代表性的产品。这条蹊径的要害转变是直接天生可编辑的三维几何资产，例如 Mesh、3DGS、点云，这些文件名堂可以无缝导入 Unity 和 Unreal Engine 等主流游戏引擎，举行二次编辑和物理交互。而腾讯押注这条蹊径，也有很是清晰的战略逻辑。腾讯拥有海量的 3D 游戏数据和成熟的引擎工程积累，游戏 3D 内容的生产效率是最直接的商业验证场景。古板上，一张开放天下地图的建模周期以月为单位，需要数十名美术职员加入 ；HY-World 2.0，天生一个可交互的 3D 游戏原型场景约莫需要 12 分钟。这个数字即便打个折扣，对游戏行业的影响也是重大的。不过，这条蹊径同样有其局限。3D 资发天生解决的是内容生产效率问题，但它实质上仍然是一个天生模子，而不是一个真正明确物理纪律的仿真系统。它能天生视觉上合理的 3D 场景，却纷歧定能包管物理意义上的准确性，好比碰撞检测、材质属性、动力学行为，这些在游戏引擎里还需要工程师介入校正。这个差别在游戏原型阶段尚可接受，但若是要迁徙到机械人训练或数字孪生这类对物理精度要求极高的场景，距离就会被放大。因此，第三条蹊径则更靠近基础设施层，可以叫做「空间数据与仿真平台」。这条蹊径不做终端产品，它主要提供高质量的三维训练数据、物理准确的仿真情形、毗连虚拟和真实天下的工具链。海内这条线路最值得关注的案例是群核科技。这家家装设计软件公司，入局逻辑与腾讯、阿里完全差别，它是从十余年家装设计软件的数据积累里，发明了一条通向空间智能的路径�？峒依制教ㄉ匣鄣� 4.8 亿个三维模子和 5 亿个结构化空间场景，是物理准确的真实天下设计数据。群核科技在 2025 年英伟达 GTC 大会上开源的空间语言模子 SpatialLM，仅凭一段手机拍摄的视频就能天生带有物理约束的三维场景结构，开源后登上 HuggingFace 趋势榜第二。其空间智能平台 SpatialVerse 已与智元机械人、银河通用、穹彻智能等具身智能公司建设合作，为机械人提供虚拟训练情形。2026 年 4 月 17 日，群核科技以「全球空间智能第一股」身份上岸港交所，上市首日股价高开 171%。从上文三条蹊径的横向比照来看，中美的竞争名堂泛起显着结构性的差别。美国的名堂是：大平台公司（英伟达、Google）做通用基础设施和前沿研究，学术创业公司（World Labs、AMI Labs）做手艺探索，中心的商业化产品层尚未泛起成熟玩家—— Meta 和 OpenAI 在天下模子领域的实质性投入相对审慎，前者尚在理论层亮相，后者的重心仍在大语言模子的商业化上。中国的名堂是头部大厂更倾向于从自身最强的笔直场景切入，同时有一批笔直数据公司在上游资产层卡位。两种名堂的竞争逻辑差别，美国更强调手艺原理的通用性，中国更强调场景落地的速率和数据资产的稀缺性。这种差别，在下一阶段的竞争中会以什么形式展现，现在还不清朗。" 造势 " 已经最先，但 " 造血 " 还不清晰若是把视线从宏观层面的路径较量下沉到工业微观运行时，会发明上述的差别正在中国本土衍生出一系列详细的、短期内难以回避的摩擦。中国玩家依附场景与数据优势迅速入场，但也正由于入局太快，一些基础性的共识与规则尚未建设，导致赛道在热闹的表象之下潜在着奇异的系统性危害。这些问题业界鲜少正面讨论，但它们真实保存，并将影响这条赛道未来两三年的走向。第一个问题是界说的模糊性正在制造虚伪的昌盛感。现在海内大宗「天下模子」产品的宣布，使用的是统一个词，指的却是差别极大的工具。有的实质是视频天生模子做了一层交互包装，有的是 3D 重修工具加了实时渲染能力，有的在做真正意义上的物理仿真。这种界说的杂乱在资源层面会造成误判，用户层面会积累失望，在行业层面则会模糊手艺希望和市场炒作之间的界线。若是要给「真正的天下模子」一个有操作意义的判断标准，《新态度》以为可以下这样一个界说：模子能否在没有显式标注的情形下，从原始感知数据里自主学习因果关系，并在从未见过的新场景里作出物理上可靠的展望。若是用这个标准权衡目今的大大都产品，距离还相当远。虽然这不是说这些产品没有价值，而是把迭代希望等同于范式跃迁，是一种需要小心的认知偷懒。第二个问题是数据壁垒的含金量被高估了。中国玩家确实拥有真实的数据优势，好比腾讯的游戏三维数据、群核的空间设计数据、各家自动驾驶公司的路测数据，这些在体量上是真实的护城河。但天下模子对数据的要求和大语言模子保存根天性的差别。LLM 可以从海量但嘈杂的文本里学到有用的纪律，数据的广度比精度更主要 ；天下模子需要的是物理准确、时序连贯、标注精准的三维数据，质量比数目更要害。现有的数据资产里能真正用于天下模子训练的比例，远低于对外宣称的规模。合成数据的争议进一步重大化了这个问题：由于高质量真实三维数据的收罗本钱极高，许多团队转向用模拟器天生合成数据来增补训练集。2024 年《自然》杂志报道的研究趋势显示，一连使用合成数据训练模子，会导致模子性能随迭代轮次加速退化，这种征象研究者将其比作「近亲滋生」。这个问题到今天还没有被普遍接受的解决计划，也意味着中国玩家的数据优势，比想象中更懦弱一些。第三个问题是老生常谈的，商业化路径是一道尚未解开的题。大语言模子在 ChatGPT 泛起之后，商业模式逐渐清晰—— API 计费、企业订阅、笔直行业安排，链路已经跑通。而天下模子到今天为止，没有一家公司拿出过可复制的商业闭环。腾讯的 HY-World 2.0 现在主要作为开发者工具开源，群核科技 2025 年 96.9% 的营收来自软件订阅服务（主要为酷家乐和 Coohom 产品），而空间智能相关营业（包括 SpatialVerse 等）仅占 3.1%，其中焦点的 SpatialVerse 平台仅孝顺 0.6% 的营收。游戏公司愿意为 AI 天生的 3D 场景付费，条件是天生质量能够真正替换或大幅缩减人工本钱，现在看来差别尚存 ；影视行业的事情流整合周期比外界预计的要长得多 ；具身智能公司的采购规模尚未抵达商业化所需的体量。天下模子现在更像是一张有重大想象空间但兑现时间尚不确定的支票。这既是目今的逆境，也是未来的机会。毫无疑问，未来第一个在某个笔直场景里验证出可复制商业单位的玩家，将会获得远远凌驾比例的先发优势。写在最后