顶尖研究者预测 2027 年世界模型将迎突破

什么是世界模型？

世界模型是一种 AI 系统，它学习环境如何演变的内部预测性表征——让智能体无需先在真实世界中行动，就能想象未来状态、规划动作并推理因果关系。世界模型涵盖视频生成、交互式仿真、3D 空间智能、JEPA 式联合嵌入预测，以及基于模型的强化学习。 这些预测模型为未来的智能体和机器人提供训练、仿真与规划基础设施。投资面既涵盖模型架构，也涵盖围绕它们构建的部署栈。

按子领域划分的世界模型研究者

先驱领域定义者 · 8

Pieter Abbeel

学术界前沿实验室

加州大学伯克利分校 EECS 教授 · 亚马逊学者 / 亚马逊 AGI 组织 LLM 工作负责人

博士 · 斯坦福大学 — Andrew Ng

伯克利深度强化学习/机器人学习领军人物；联合创立 Covariant；现负责亚马逊 LLM/AGI 机器人工作

深度强化学习和模仿学习的先驱。推动了 UniSim 和 Large World Model，以及近期在数万小时人类视频上训练的通用机器人世界模型（DreamDojo）。

LinkedInWebsiteScholarWikipediaXCovariantCovariant on X

关键论文

• Trust Region Policy Optimization
• Benchmarking Deep Reinforcement Learning for Continuous Control

Chelsea Finn

学术界创业公司

斯坦福大学计算机科学与电子工程系副教授 · Physical Intelligence 联合创始人

博士 · UC Berkeley — Sergey Levine 和 Pieter Abbeel

MAML 元学习的共同创造者；Physical Intelligence（机器人基础模型）联合创始人

机器人元学习与视觉预见（visual foresight）的先驱。Physical Intelligence 的 pi-0.6（面向 VLA 的 RL 自我改进）以及 Ctrl-World / VLAW 的共同作者，这些工作利用视频世界模型来评估和改进机器人策略。

LinkedInWebsiteScholarWikipediaXPhysical IntelligencePhysical Intelligence on X

David Ha

创业公司

Sakana AI 联合创始人兼 CEO

博士 · 东京大学

开创性论文《World Models》的作者；Sakana AI（受自然启发的基础模型）联合创始人兼 CEO

2018 年奠基性论文《World Models》的共同作者，该论文引入了为控制而学习环境的紧凑预测模型的现代框架。现就职于 Sakana AI。

LinkedInWebsiteScholarXSakana AISakana AI on X

Danijar Hafner

创业公司

Embo 联合创始人

博士 · 多伦多大学 — 导师为 Jimmy Ba（Vector Institute / 多伦多大学）

Dreamer 系列世界模型智能体（DreamerV3、Dreamer 4）的创造者；通过想象进行 RL

Dreamer 系列基于模型的 RL 的创造者。Dreamer 4（2025）是首个仅凭离线数据、无需与环境交互就在 Minecraft 中获得钻石的智能体——这是在想象的世界模型中训练智能体的里程碑。

WebsiteScholarX

关键论文

• Mastering Diverse Domains through World Models (DreamerV3)
• Training Agents Inside of Scalable World Models (Dreamer 4)

Kaiming He

学术界前沿实验室

麻省理工学院 EECS 终身副教授 · Google DeepMind 杰出科学家（兼职）

博士 · 香港中文大学 — 汤晓鸥

ResNet（深度残差学习）的第一作者；也是 Faster R-CNN、Mask R-CNN、MAE 的作者

ResNet 和 Masked Autoencoders（MAE）的作者，属于深度学习领域被引用最多的工作之列。近期的生成式工作（JiT、改进的 Mean Flows）将扩散式模型推向单步、无分词器生成——这是视频世界模型的核心基础设施。

WebsiteScholarWikipedia

Yann LeCun

创业公司学术界

AMI Labs（Advanced Machine Intelligence）创始人兼执行主席 · 纽约大学教授

博士 · 巴黎皮埃尔和玛丽·居里大学（索邦 / UPMC）— 博士论文研究反向传播；后在多伦多大学跟随 Geoffrey Hinton 做博士后

图灵奖得主，CNN/深度学习先驱；JEPA 世界模型架构的倡导者

图灵奖得主，联合嵌入预测架构（JEPA）的提出者，这是自回归世界模型之外领先的自监督替代方案。其团队在 2025–26 年的工作将 JEPA 扩展为一个可部署的系列——VL-JEPA、Causal-JEPA，以及从真实场景视频中学习的潜在动作世界模型。

LinkedInWebsiteScholarWikipediaXAMI Labs（Advanced Machine Intelligence）on X

关键论文

• A Path Towards Autonomous Machine Intelligence（JEPA 立场论文）
• Gradient-Based Learning Applied to Document Recognition（LeNet/CNN）

Fei-Fei Li

创业学术界

World Labs 联合创始人兼 CEO · 斯坦福大学计算机科学 Sequoia 教授；斯坦福大学 HAI 联合主任

博士 · 加州理工学院（Caltech）——导师为 Pietro Perona（以及 Christof Koch）

创建了 ImageNet；World Labs 联合创始人兼 CEO，构建空间智能世界模型（Marble）

ImageNet 的创建者，也是“空间智能”的思想领袖。联合创立了 World Labs，该公司融资约 10 亿美元，并推出了 Marble（从文本/图像生成持久 3D 世界）、World API，以及可在单块 GPU 上运行的实时交互式世界模型。

LinkedInWebsiteScholarWikipediaXWorld Labs

关键论文

• ImageNet: A Large-Scale Hierarchical Image Database
• ImageNet Large Scale Visual Recognition Challenge

Tim Rocktäschel

创业学术界

Recursive（Recursive Superintelligence）联合创始人兼 CEO · 伦敦大学学院人工智能教授

博士 · 伦敦大学学院（UCL）——导师为 Sebastian Riedel

在 DeepMind 领导 Genie 基础世界模型与开放性研究；UCL 人工智能教授；Recursive 联合创始人

在 Google DeepMind 领导交互式世界模型研究，包括 Genie 系列基础世界模型，可从单一提示生成可玩、可控的环境。

LinkedInWebsiteXRecursive（Recursive Superintelligence）on X

关键论文

• Genie: Generative Interactive Environments
• Open-Ended Learning Leads to Generally Capable Agents

领军研究者塑造当今该领域 · 30

Mahmoud Assran

前沿实验室

Meta FAIR 研究科学家

博士 · 麦吉尔大学——Mila（魁北克人工智能研究所）

Meta FAIR 的 I-JEPA、V-JEPA 和 V-JEPA 2 自监督世界模型架构的第一作者

I-JEPA 和 V-JEPA 的第一作者，这是 LeCun 在 Meta AI 的自监督世界模型范式在图像和视频上的实例化。

LinkedInWebsiteMeta AI (FAIR)

关键论文

• Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture (I-JEPA)
• Revisiting Feature Prediction for Learning Visual Representations from Video (V-JEPA)
• V-JEPA 2：自监督视频模型实现理解、预测与规划

Piotr Bojanowski

前沿实验室

研究科学家兼经理，Meta (FAIR)

博士 · 巴黎高等师范学院 (ENS) — WILLOW 团队；导师 Ivan Laptev、Jean Ponce、Cordelia Schmid、Josef Sivic

FAIR 巴黎研究负责人；fastText、DINO/DINOv2 和 I-JEPA 自监督模型的合著者

LinkedInXMeta AI (FAIR)

关键论文

• 用子词信息丰富词向量 (fastText)
• DINOv2：无需监督学习鲁棒视觉特征
• 基于联合嵌入预测架构的图像自监督学习 (I-JEPA)

Tim Brooks

前沿实验室

研究科学家，Meta Superintelligence Labs

博士 · 加州大学伯克利分校 — Alyosha Efros (BAIR)

联合创建了 OpenAI 的 Sora；发明了 InstructPix2Pix；现于 Meta 构建多模态/世界模型

共同领导了 OpenAI 的 Sora，现从事 Google DeepMind 的 Veo — 作为世界模拟器的大规模视频生成前沿。

LinkedInWebsiteX

关键论文

• InstructPix2Pix：学习遵循图像编辑指令
• 视频生成模型作为世界模拟器 (Sora 技术报告)

Andrew Dai

初创公司

联合创始人兼 CEO，Elorian

博士 · 爱丁堡大学

Elorian 联合创始人/CEO（视觉推理、世界模型）；前 DeepMind Gemini 数据领域负责人

LinkedInXElorian

Trevor Darrell

学术界

教授 (EECS)，加州大学伯克利分校

博士 · 麻省理工学院 — MIT，导师 Eric Grimson

加州大学伯克利分校 EECS 教授，BAIR 联合创始人/联合负责人；领先的计算机视觉与深度学习研究者。

WebsiteWikipediaX

关键论文

• 用于精确目标检测和语义分割的丰富特征层次 (R-CNN)
• 用于语义分割的全卷积网络

Agrim Gupta

前沿实验室

研究科学家，Meta

博士 · 斯坦福大学 — Fei-Fei Li

斯坦福博士，研究视频生成 (W.A.L.T) 和具身 AI；现于 Meta 研究世界/模拟模型

LinkedInWebsiteX

关键论文

• 使用扩散模型生成逼真视频 (W.A.L.T)
• MaskViT：用于视频预测的掩码视觉预训练

Nicklas Hansen

学术界

博士候选人（最后一年），加州大学圣地亚哥分校

TD-MPC / TD-MPC2 可扩展世界模型的创建者，用于连续控制强化学习

TD-MPC2 和 Newt 的作者，可扩展的基于模型强化学习世界模型，适用于数百个任务的连续控制。

WebsiteX

关键论文

• TD-MPC2：用于连续控制的可扩展、鲁棒世界模型
• 用于模型预测控制的时序差分学习 (TD-MPC)

Aleksander Holynski

前沿实验室学术界

研究科学家，Google DeepMind · 助理教授，哥伦比亚大学

博士 · 华盛顿大学 — GRAIL / UW Graphics（导师：Steve Seitz、Brian Curless、Rick Szeliski）

Google DeepMind 研究科学家 & 哥伦比亚大学教授；生成式视频/3D 与世界模型研究。

网站X

Anthony Hu

创业公司

研究员，General Intuition

博士 · 剑桥大学 — 机器智能实验室（导师：Roberto Cipolla）

在 Wayve 领导了面向自动驾驶的 GAIA 生成式世界模型；现于 General Intuition 构建世界模型。

LinkedIn网站XGeneral Intuition

关键论文

• GAIA-1：面向自动驾驶的生成式世界模型
• GAIA-2：面向自动驾驶的可控多视角生成式世界模型
• FIERY：基于环视单目相机的鸟瞰图未来实例预测

Xun Huang

创业公司

创始人 & CEO，Morpheus

博士 · 康奈尔大学 — 导师为 Serge Belongie

创造了 AdaIN（现广泛用于扩散模型）；Morpheus 创始人，专注实时交互式视频世界模型

网站XMorpheus

关键论文

• 使用自适应实例归一化（AdaIN）的实时任意风格迁移
• 多模态无监督图像到图像翻译（MUNIT）

Phillip Isola

学术界

麻省理工学院 EECS 副教授

博士 · 麻省理工学院 — Ted Adelson（脑与认知科学）

pix2pix 和 CycleGAN 的共同创造者；提出关于共享世界表征的柏拉图表征假说

网站X

关键论文

• 使用条件对抗网络进行图像到图像翻译（pix2pix）
• 柏拉图表征假说

Justin Johnson

创业公司学术界

联合创始人，World Labs · 密歇根大学兼职助理教授

博士 · 斯坦福大学 — 斯坦福视觉实验室（导师：Fei-Fei Li）

World Labs 联合创始人；开创了实时神经风格迁移和视觉推理。

World Labs 联合创始人，3D 生成与视觉推理领域的领军人物；广泛使用的视觉与神经风格迁移方法的合著者。

LinkedIn网站XWorld Labs

Lukasz Kaiser

前沿实验室

技术团队成员（研究科学家），OpenAI

博士 · 亚琛工业大学 — 计算机科学的数学基础（导师：Erich Grädel）

《Attention Is All You Need》（Transformer）合著者；OpenAI o1 推理模型的研究负责人。

LinkedInX

Alex Kendall

创业公司

联合创始人 & CEO，Wayve

博士 · 剑桥大学 — 机器智能实验室，导师为 Roberto Cipolla

Wayve 联合创始人兼 CEO；自动驾驶端到端深度学习（“AV2.0”）的先驱。

Wayve 的 CEO，也是面向自动驾驶汽车的生成式驾驶世界模型 GAIA 的架构师。

LinkedIn网站XWayve

关键论文

• 一天学会开车
• Bayesian SegNet：用于场景理解的深度卷积编码器-解码器架构中的模型不确定性

Christoph Lassner

创业公司

联合创始人，World Labs

博士 · 图宾根大学 — 马克斯·普朗克智能系统研究所 / 伯恩斯坦计算神经科学中心，图宾根

World Labs 联合创始人；计算机视觉/图形学研究者，专注 3D/4D 重建与神经渲染（Pulsar）。

LinkedInWebsiteXWorld Labs

Yunzhu Li

学术界

哥伦比亚大学计算机科学助理教授

博士 · MIT — 导师为 Antonio Torralba 和 Russ Tedrake（MIT CSAIL）

面向机器人操作可变形物体与流体的结构化/基于粒子的学习型世界模型。

WebsiteX

关键论文

• Learning Particle Dynamics for Manipulating Rigid Bodies, Deformable Objects, and Fluids (DPI-Net)
• Visual Grounding of Learned Physical Models

Hao Liu

前沿实验室

Google DeepMind 研究科学家

博士 · UC Berkeley — Pieter Abbeel

RingAttention 与 Large World Model（LWM）的创造者；百万级上下文多模态视频-语言世界模型

WebsiteX

关键论文

• World Model on Million-Length Video And Language With Blockwise RingAttention
• Ring Attention with Blockwise Transformers for Near-Infinite Context

Ben Mildenhall

初创公司

World Labs 联合创始人

博士 · UC Berkeley — Berkeley 图形学/成像（导师：Ren Ng）

NeRF（神经辐射场）第一作者；World Labs 联合创始人。

神经辐射场（NeRF）的发明者，该技术开启了现代神经 3D 重建；World Labs 联合创始人。

LinkedInWebsiteXWorld Labs

Ishan Misra

前沿实验室

Meta Superintelligence Labs（TBD Labs）研究科学家、总监

博士 · 卡内基梅隆大学 — 机器人研究所（导师为 Martial Hebert / Abhinav Gupta）

自监督视觉研究者；I-JEPA、DINO 以及 Movie Gen / Emu Video 生成工作的合著者

WebsiteXMeta AI (FAIR)

关键论文

• Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture (I-JEPA)
• Emerging Properties in Self-Supervised Vision Transformers (DINO)
• Emu Video: Factorizing Text-to-Video Generation by Explicit Image Conditioning

Jack Parker-Holder

前沿实验室学术界

Google DeepMind 开放式研究团队研究科学家 · 伦敦大学学院荣誉讲师

博士 · 牛津大学 — Stephen Roberts（机器学习研究组）

DeepMind Genie 世界模型（Genie 1/2/3）联合负责人，面向生成式交互环境

Google DeepMind 的 Genie 负责人，推动可生成可控环境的交互式基础世界模型。

WebsiteXGoogle DeepMind

Jurgis Pasukonis

初创公司

Project Prometheus 技术团队成员

博士 · 伦敦玛丽女王大学 — 理论物理（弦理论）博士；后自学强化学习

DreamerV3 世界模型强化学习智能体与 Memory Maze 长期记忆基准的合著者

LinkedInProject Prometheus on X

关键论文

• 通过世界模型掌握多样领域（DreamerV3）
• 在3D迷宫中评估长期记忆（Memory Maze）

Bill Peebles

前沿实验室

前Sora负责人（2026年4月离职），OpenAI

博士 · UC Berkeley — Alyosha Efros (BAIR)

发明了Diffusion Transformer (DiT)；OpenAI Sora的共同创造者/负责人

Diffusion Transformer (DiT) 架构的共同创造者，该架构支撑了Sora及大多数现代视频生成模型；现就职于OpenAI。

LinkedInWebsiteX

Michael Rabbat

初创公司

世界模型副总裁，AMI Labs

博士 · University of Wisconsin-Madison — Robert Nowak（电气工程）

I-JEPA/V-JEPA自监督世界模型的共同创造者；现任LeCun的AMI Labs世界模型副总裁

LinkedInWebsiteXMeta AI (FAIR)

关键论文

• 使用联合嵌入预测架构从图像中进行自监督学习（I-JEPA）
• 重新审视特征预测以从视频中学习视觉表征（V-JEPA）
• V-JEPA 2：自监督视频模型实现理解、预测与规划

Sergei Tulyakov

前沿实验室

研究总监，创意视觉，Snap Research

博士 · University of Trento

Snap研究总监；视频生成先驱（MoCoGAN、First Order Motion Model、Snap Video）

LinkedInWebsiteXSnap Inc.

关键论文

• Snap Video：用于文本到视频合成的规模化时空Transformer
• MoCoGAN：分解运动与内容以生成视频
• 用于图像动画的一阶运动模型

Cristóbal Valenzuela

初创公司

联合创始人兼CEO，Runway

Runway联合创始人兼CEO；生成式视频正迈向通用世界模型（GWM-1）

Runway的CEO，该公司发布用于视频的商业生成式世界模型（Gen系列、GWM-1），广泛应用于电影和媒体制作。

LinkedInWebsiteWikipediaXRunway

Pascal Vincent

前沿实验室学术界

研究科学家，Meta (FAIR) · 兼职教授（Mila创始成员），Universite de Montreal / Mila

博士 · Universite de Montreal — Yoshua Bengio (Mila)

去噪自编码器和去噪分数匹配的先驱；I-JEPA自监督模型的共同作者

WebsiteMeta AI (FAIR)

关键论文

• 使用联合嵌入预测架构从图像中进行自监督学习（I-JEPA）
• 堆叠去噪自编码器：在深度网络中使用局部去噪准则学习有用表征

Jiajun Wu

学术界

计算机科学助理教授（心理学系兼任），Stanford University

博士 · MIT — William T. Freeman和Joshua B. Tenenbaum

物理场景理解；物理引擎集成与神经符号视觉推理

在斯坦福领导基于物理和3D世界模型的研究，包括多尺度3D世界生成（WonderZoom）和直觉物理模型。

WebsiteX

关键论文

• 神经符号概念学习器：从自然监督中解读场景、词语和句子
• Galileo：通过将物理引擎与深度学习相结合来感知物理对象属性

Zhou Xian

创业

Genesis AI 联合创始人兼 CEO

博士 · 卡内基梅隆大学 — 机器人研究所，导师 Katerina Fragkiadaki

Genesis AI 联合创始人兼 CEO；RoboGen 和面向机器人学的 Genesis 生成式物理引擎的创造者。

LinkedInWebsiteXGenesis AI

关键论文

• RoboGen：通过生成式仿真为自动化机器人学习释放无限数据
• 迈向通用机器人：一种通过生成式仿真的有前景的范式

Saining Xie

创业学术界

AMI Labs 联合创始人兼首席科学官 · 纽约大学计算机科学助理教授（休假中）

博士 · 加州大学圣地亚哥分校 — Zhuowen Tu

Diffusion Transformers（DiT）和 ConvNeXt 的共同创造者；AMI Labs（JEPA 世界模型）联合创始人兼首席科学官

V-JEPA 的共同创造者，生成式表征学习领域的领军人物；近期在流映射蒸馏和表征自编码器方面的工作刷新了图像生成 SOTA。

LinkedInWebsiteXAMI Labs (Advanced Machine Intelligence)AMI Labs (Advanced Machine Intelligence) on X

Sherry Yang

学术界前沿实验室

纽约大学 Courant 计算机科学助理教授 · Google DeepMind 资深研究科学家

博士 · 加州大学伯克利分校 — Pieter Abbeel

面向具身智能体的生成式世界模型 / 真实世界模拟器（UniSim）

将视频生成视为通用世界模型和模拟器的先驱；在 Google DeepMind 参与 Gemini Robotics 以及基于 Veo 的策略评估。

WebsiteX

新星新兴第一作者 · 8

Eloi Alonso

创业

General Intuition 联合创始人

博士 · 日内瓦大学 — François Fleuret 团队

主导 DIAMOND 和 IRIS 扩散/Transformer 世界模型；General Intuition 联合创始人

DIAMOND（NeurIPS 2024）第一作者，一种达到人类水平 Atari 游戏表现的扩散世界模型。

LinkedInWebsiteXGeneral Intuition

关键论文

• 用于世界建模的扩散：视觉细节在 Atari 中至关重要（DIAMOND）
• Transformer 是样本高效的世界模型（IRIS）

Amir Bar

学术界前沿实验室

即将入职的伦敦帝国理工学院助理教授 · Meta FAIR 研究科学家

博士 · 特拉维夫大学 / 加州大学伯克利分校 — 导师为 Amir Globerson 和 Trevor Darrell

Navigation World Models（CVPR 2025 最佳论文荣誉提名）；自监督视觉世界建模

Navigation World Models（CVPR 2025 荣誉提名）第一作者，一种用于视觉导航预测的十亿参数条件扩散 Transformer。

LinkedInWebsiteX

Boyuan Chen

学术界

杜克大学 Dickinson Family 助理教授

博士 · 哥伦比亚大学 — Hod Lipson 的 Creative Machines Lab

杜克大学 Dickinson 家族助理教授；主管通用机器人实验室；研究方向为自建模机器人与自动化科学发现

Diffusion Forcing（NeurIPS 2024）的第一作者，该训练范式统一了视频预测与世界模型；近期研究用于机器人控制的大型视频规划器。

网站X

代表性论文

• 从实验数据中自动发现隐藏的基本变量（Nature Computational Science）
• 机器人形态的全身视觉自建模（Science Robotics）

Yilun Du

学术界前沿实验室

哈佛大学助理教授 · Google DeepMind 高级研究科学家

博士 · 麻省理工学院 — Leslie Kaelbling、Tomas Lozano-Perez 与 Joshua Tenenbaum（MIT EECS）

哈佛 SEAS 助理教授与 Kempner 研究员；研究组合式/基于能量的生成式世界模型

可组合扩散与基于能量的世界模型的先驱；常合作参与视频模型作为模拟器的机器人研究工作。

LinkedIn网站X

代表性论文

• 学习交互式真实世界模拟器（UniSim）
• 基于能量模型的组合式视觉生成与推理

Stephen Spencer

前沿实验室

Google DeepMind 研究工程师

DeepMind 研究员；Genie 2 与 Genie 3 基础世界模型的技术负责人/贡献者

以 Genie 2（2024）闻名。Genie 交互式世界模型的技术负责人

网站

代表性论文

• Genie 2：大规模基础世界模型（DeepMind）
• Genie 3：世界模型的新前沿（DeepMind）

Tsun-Hsuan Wang

创业公司学术界

Genesis AI 联合创始人 · MIT CSAIL 博士生

博士 · 麻省理工学院 — Daniela Rus（MIT CSAIL 分布式机器人实验室）

MIT CSAIL 机器人专家；Genesis AI 通用机器人基础模型初创公司联合创始人

Genesis 物理引擎（面向具身 AI）的共同负责人，据报道比此前的模拟器快 10–80 倍。

LinkedIn网站XGenesis AI

代表性论文

• DiffuseBot：用物理增强的生成式扩散模型培育软体机器人
• SoftZoo：面向多样环境中运动的软体机器人协同设计基准

Zangwei Zheng

创业公司

HPC-AI Tech 视频与推理负责人

Open-Sora 的创始人/负责人，首个开源类 Sora 视频生成模型

以 Open-Sora（2024）闻名。Open-Sora 开源视频生成框架的负责人

LinkedIn网站XHPC-AI Tech（Open-Sora）HPC-AI Tech（Open-Sora）的 X

代表性论文

• Open-Sora：让人人享有高效视频制作
• Open-Sora 2.0：用 20 万美元训练商业级视频生成模型

Gaoyue Zhou

学术界

纽约大学博士生

DINO-WM 世界模型的第一作者，用于基于预训练视觉特征的零样本规划

以 Navigation World Models（CVPR 2025）闻名。与 Amir Bar 合著导航世界模型

LinkedInWebsiteX

关键论文

• DINO-WM：基于预训练视觉特征的世界模型实现零样本规划
• 导航世界模型

构建世界模型的公司

• AMI LabsX ↗ — Yann LeCun 的实验室；在表征空间中进行预测的 JEPA 世界模型
• Black Forest LabsX ↗ — FLUX 视觉模型，统一感知、生成与推理
• DecartX ↗ — 低延迟的实时交互式世界模型
• ElorianX ↗ — Andrew Dai 的多模态视觉推理 / 世界模型初创公司
• General IntuitionX ↗ — 基于游戏视频的世界模型（DIAMOND 团队）；游戏与真实世界
• Genesis AIX ↗ — Genesis World 物理仿真 + 通用机器人
• Genie（Google DeepMind）X ↗ — 生成可玩 3D 环境的实时交互式世界模型
• GenmoX ↗ — 开放视频生成模型（Mochi）
• HiggsfieldX ↗ — 可控视频生成与运动模型
• HPC-AI TechX ↗ — Open-Sora 开放视频生成；Colossal-AI 训练基础设施
• Luma AIX ↗ — AI 3D 创作与视频生成（Dream Machine）
• Moonlake AIX ↗ — 来自斯坦福团队的交互式、物理精确的世界模型
• Morpheus — 面向物理 AI 的实时交互式视频世界模型
• Niantic SpatialX ↗ — 大型地理空间模型；视觉定位与 3D 地图
• Nucleus4DX ↗ — 高斯泼溅 3D 捕捉；数字孪生与空间数据
• OdysseyX ↗ — 实时多模态世界模型（Starchild-1）
• Reka AIX ↗ — 覆盖文本、图像、视频的多模态基础模型
• RunwayX ↗ — 视频生成与通用世界模型（GWM-1）
• SpAItialX ↗ — AI 原生 3D 基础模型，将图像转化为交互式世界
• Twelve LabsX ↗ — 用于理解与搜索的视频原生多模态 AI
• WayveX ↗ — 面向自动驾驶的 GAIA 驾驶世界模型
• World LabsX ↗ — 李飞飞的空间智能实验室；Marble 3D 世界生成

常见问题

谁是世界模型领域最具影响力的研究者？

Yann LeCun（AMI Labs / NYU）被广泛认为最具影响力，他定义了 JEPA 自监督范式，该范式是世界模型两大主流方法之一的基石。李飞飞（World Labs / 斯坦福）和 Danijar Hafner（基于模型的强化学习 Dreamer 系列模型的创造者）是另外两位最常被视为奠定该领域的人物。

什么是 AI 中的世界模型？

世界模型是一种 AI 系统，它学习环境的预测性内部模型，使智能体能够想象未来结果并进行规划，而不仅仅依赖在真实世界中的试错。例子包括 DeepMind 的 Dreamer、Meta 的 JEPA、OpenAI 的 Sora 以及 World Labs 的 Marble。

哪些公司在世界模型领域处于领先地位？

World Labs 在 3D 空间世界模型方面领先，Google DeepMind 在交互式模拟（Genie）和视频（Veo）方面领先，Meta AI 在 JEPA 架构方面领先，Physical Intelligence 将世界模型应用于机器人技术。

本指南是如何编制的？

本指南根据关联的公开来源，梳理了研究人员、其可归属的工作、子领域及相关公司。人物简介分为先驱、领军研究者和新星。技术内容为 2026 年 7 月 6 日的快照；X 个人资料和公开关注列表于 2026 年 10 月 8 日核查。未经核实的社交账号已省略。

更多值得关注