2026年“世界模型”赛道爆火，但究竟什么是世界模型？IDEA科学家、视启未来创始人张磊给出了清晰的解答。

张磊指出，当前机器人的瓶颈不在硬件，而在“大脑”。在真实世界试错成本太高，世界模型就是给机器人造一个“虚拟训练场”，让它在脑内推演动作后果，再在现实中执行最优解。

因此，他明确了世界模型的核心：必须以“动作”为输入条件，预测执行动作后的环境状态。像早期Sora那样纯生成视频的模型，因缺乏动作交互，不能算作世界模型。

在技术路线上，张磊支持“隐空间派”。他认为人脑推演是在抽象空间进行，而非逐像素渲染。在此基础上，他创新性地引入“物体结构”。这得益于其团队曾力压国际巨头的DINO系列视觉模型，让AI真正“看懂”物体，从而更精准地掌握物理因果规律。

这种死磕底层的精神，源自其导师、中国AI奠基人张钹院士“把问题理解透”的教诲。从钻研物体检测到发力世界模型，张磊用三十年的坚持证明：不盲目追逐热点，把底层原理吃透，时代的浪潮自然会来找你。