世界模型的核心是将大语言模型的 Scaling Law 迁移到物理世界，通过大量真实数据训练模型预测物理状态。其突然火爆源于大语言模型竞争格局明朗后，资本转向新方向，且该概念连接了生成式 AI、机器人、自动驾驶等多个领域。与大语言模型相比，世界模型的数据获取成本更高、视觉信息密度更低，目前处于类似 GPT-2 的早期阶段。Momenta 通过量产车业务获取真实驾驶数据，形成数据飞轮，其 R7 世界模型采用预训练、仿真和强化学习三层架构。世界模型的 GPT 时刻不会突然到来，而是渐进式落地，最先可能在自动驾驶和交互内容领域实现，但行业不会赢家通吃，因为物理世界场景多样且数据壁垒强。