AI 缺的不是更多知识，而是行动前的世界
2026 年 7 月 17 日，Y Combinator 发布了一期 Decoded 视频，标题是《AI Can’t Learn The Way Humans Do - This Could Fix That》。Ankit Gupta 和 Francois Chaubard 讨论的不是又一个模型发布，而是一个更底层的问题：为什么人类看几次、试几次就能学会的事，AI 往往需要大量样本。
他们给出的关键词是 world model，世界模型。
这个词很容易被误读成“能生成更真实视频的模型”。但在这期视频里，它指向的是另一件事：一个系统能不能在行动之前，先在内部预测“如果我这样做，世界会怎样变化”。
这才是世界模型真正危险也真正有价值的地方。它不是让 AI 多记住一点知识，而是让 AI 在行动前拥有一个可查询的内部世界。
画面来源：Y Combinator YouTube 视频《AI Can’t Learn The Way Humans Do - This Could Fix That》00:09:22 源帧。
世界模型不是更会背答案
视频开头用了一个极端例子解释样本效率：如果你完全知道牛顿力学，知道物体的位置、速度、受力和转移函数，那么很多控制问题不需要反复试错。你可以在纸上算，在模型里推演，然后直接选择动作。
这就是世界模型的第一层含义：它把外部世界压缩成一个内部可预测结构。
控制论里的状态、动作、转移函数、策略，本质上都在问同一个问题：当前世界是什么样，如果采取某个动作，下一刻会变成什么样。只要这个预测足够准，系统就能少花真实世界里的试错成本。
但真实世界并不总是牛顿力学题。
一旦加入人类、摩擦、遮挡、对手、未知物体、触觉误差和分布外情况，世界就不再是干净的、可微的、确定的环境。模型必须处理不完整观察、随机干扰和无法提前枚举的动作空间。
这也是为什么“世界模型”不是一个炫技概念，而是一道系统工程题。
棋局和机器人不是同一种难
视频里最清楚的对比，是棋类游戏和机器人。
AlphaGo 这类系统之所以能用蒙特卡洛树搜索发挥威力，一个关键前提是动作空间可枚举。棋盘状态很大，但每一步可走的位置是有限的。系统可以在内部展开搜索树，评估未来局面，再决定下一步。
机器人不一样。
一个机械臂的动作不是“从 200 个合法落子里选一个”，而是连续空间里的高维控制。自动驾驶也不是在棋盘上移动棋子，而是在无限变化的场景里同时处理道路、行人、光照、天气、其他驾驶者和突发事件。
当状态空间、动作空间、实时性和传感误差一起放大，AlphaGo 式搜索就不再能直接迁移。问题不只是算力不够，而是世界本身不再像棋盘那样封闭。
所以世界模型的真正目标不是“把未来所有可能都算完”，而是建立一个足够有用的内部近似：在某个 horizon 内，它能帮助系统判断哪些动作值得试，哪些风险必须避开，什么时候必须重新看一眼现实。
从视频预测到行动闭环
最近 30 天围绕世界模型的公开讨论，也在往这个方向收敛。
NVIDIA Robotics 讨论 DreamDojo 时，把重点放在用大量第一视角人类视频预训练，再用机器人数据后训练，让模型能在执行前做想象式 rollout。机器人世界模型综述也把这类模型放在策略学习、规划、仿真、评估和数据生成的中间层，而不是只把它当视频生成器。
另一条重要线索是 “Certified World Models”。这类讨论把问题从“预测看起来像不像”推进到“这个预测在多长 horizon、什么配置、什么分辨率下可信”。这很关键。因为行动系统需要的不是漂亮未来，而是可被拿来决策的未来。
这也是本文最想强调的判断：
世界模型真正进入工程，不会表现为一个模型孤立地说“我知道世界会怎样”。它更像一个闭环：
先看现实。
在内部世界里预演动作。
选择一个可执行策略。
执行后检测现实是否偏离预期。
一旦预测 horizon 到期、置信边界变差、传感器出现新信息，就停止内推，重新感知。
这个闭环比“更强模型”更重要。没有重新感知，世界模型会变成自信的幻觉机；没有停止权，它会把过期预测当成现实；没有审计和回滚，它会把错误行动包装成系统优化。
世界模型越强，越需要停止权
很多关于 embodied AI 和机器人学习的乐观叙事，会把世界模型写成通往真实行动的捷径。这个方向确实重要，但它不是捷径。
如果一个模型只能生成逼真的未来画面，却不能告诉系统哪些预测仍然可信、哪些动作已经超出训练分布、什么时候必须重新采样现实，它就还不是可靠行动层。
这也是为什么世界模型和治理问题不能分开看。
未来的 agent 和机器人系统，如果真的能在内部预演世界，就必须同时暴露四类边界：
它的预测 horizon 有多长。
它在哪些配置和场景下有效。
它什么时候必须重新感知。
它的行动权由谁授予，又由谁停止。
没有这些边界，世界模型越强，系统越容易把“想象中的未来”误当成“可以直接执行的现实”。
AI 缺的是可行动的内部世界
这期 YC 视频最值得带走的，不是某个模型名，也不是某条机器人路线。
它把 AI 的学习问题重新表述了一遍：人类之所以少样本，不只是因为记忆力强，而是因为我们会把世界组织成可预测的结构。我们知道物体会掉落、轮子会滚动、手推杯子会改变位置、陌生人可能有自己的意图。我们不是每次都从零开始试错。
AI 要进入真实行动，也需要某种内部世界。
但这个内部世界不能只是更大的上下文，也不能只是更逼真的视频。它必须能服务行动：预测后果、比较动作、暴露不确定性、触发重新感知，并在必要时把控制权交还给人。
所以，世界模型的竞争不只是生成未来。
真正的竞争是：哪个系统知道自己的未来预测什么时候还能用，什么时候已经该停下来重新看现实。
参考来源
- Y Combinator: AI Can’t Learn The Way Humans Do - This Could Fix That
- YC Root Access: World Models: An Intuitive Introduction
- arXiv: World Model for Robot Learning: A Survey
- arXiv: Certified World Models: Predictability Across Configuration, Horizon, and Resolution
- arXiv: Certified World Models as Sensing Clocks
- NVIDIA Robotics: DreamDojo discussion
