AI 2.0 将是什么？

劳动节周末愉快，欢迎来到《AI 投资洞察》。我是 Neurometric 公司 CEO 罗伯·梅，上周我们终于公布了正在研发的产品，建议大家去了解一下。

回顾科技发展史，某些趋势如互联网常被划分为不同阶段。我们都听说过 Web 1.0、Web 2.0 和 Web 3.0。今天我想探讨的是——人工智能是否正处在市场与技术的转折点，即将迎来 AI 2.0 时代？若是如此，这又将意味着什么？

我们可以从几个维度界定 AI 的发展阶段。技术角度可以 Transformer 架构为分水岭，应用场景角度或许能以智能体（agentic）的出现为界。我认为若智能体 AI 能蓬勃发展，它确实有望成为 AI 2.0 的候选标志。但我也预判智能体最终会像 Slackbot 那样——未来一两年内难以达到市场预期，逐渐淡出视野。

在我看来，划分 AI 1.0 与 AI 2.0 的关键在于能带来全新能力的新型模型。特别看好”世界模型”的发展前景。若您对此概念陌生，我已请 Claude 在下方作出解释。

世界模型是构建更智能、适应性更强 AI 系统最有前景的路径之一。其核心在于通过内部表征让 AI 系统理解并预测环境运行规律。这类系统不再仅对输入做出反应，而是构建起对世界的心理模型，使其能够模拟结果、规划行动并推理因果关系。

传统 AI 系统往往被动运作——它们接收输入后直接输出结果，却无法真正理解环境的底层动态。世界模型通过让 AI 学习所处领域的规则与模式，彻底改变了这一范式。例如，具备世界模型的机器人不仅知道推动物体会使其移动，更能掌握物体相互作用的物理原理，从而预测从未直接经历的新场景。

世界模型的架构通常包含学习环境状态的压缩表征，以及预测状态随时间演变的转移函数。这种习得的表征充当 AI 用于规划的模拟引擎。通过设想不同动作序列及其可能结果，系统无需在现实中进行代价高昂的试错就能选择最优行为。该方法在机器人技术和游戏 AI 领域被证明尤其有价值——在这些领域，物理实验或大量现实训练往往不切实际或存在危险。

Yann LeCun 提出的联合嵌入预测架构（JEPA）代表了世界模型设计领域的重大进化。与逐像素重建完整感官输入的传统预测模型不同，JEPA 在潜空间学习世界的抽象表征。其核心创新在于预测未来状态的表征，而非原始感官数据本身。这种方法避开了模拟无关细节（如树上每片叶子的精确位置）的挑战，同时捕捉智能行为所需的核心动态关系。JEPA 通过自监督学习训练这些表征，将预测嵌入与实际未来嵌入进行对比来优化理解，整个过程无需标记数据参与。

有效的世界模型所带来的影响远不止于当前的应用。它们预示着人工智能系统将能够进行反事实推理（”如果…会发生什么”）、实现跨领域知识迁移，并展现出更接近人类常识的认知能力。一个强大的世界模型可以让 AI 理解水往低处流、无支撑的物体会坠落、破损的物品通常无法自行修复——这些人类视为理所当然的直觉，却是当前 AI 系统普遍缺失的。

然而仍存在重大挑战。要为复杂的高维环境学习精确的世界模型，需要海量数据和计算资源。这些模型还必须处理不确定性和部分可观测性——现实环境很少提供完整信息。此外，如何确定模型的适当抽象层级仍是个未解难题：过于详细会使模型在计算上难以处理；过于抽象又可能遗漏决策所需的关键细节。

随着研究的深入，世界模型很可能在人工智能发展中占据核心地位，有望成为系统真正理解环境并进行推理（而非仅通过模式匹配解决问题）的基础架构。

我们似乎已接近解决这些世界模型技术难题并实现其商业化应用。这将催生人工智能的下一波应用浪潮，在我看来，这或许就是新一代人工智能的起点。如今连萨姆·奥尔特曼都开始表示我们可能尚未迎来通用人工智能的临界点，当前技术路线似乎陷入停滞，而世界模型或将成为 AI 2.0 时代的突破口。

您如何看待这个问题？一如既往，感谢您的阅读。