大模子把“谈话”这条路走到今天，领域越来越明显：它们擅长写、搜、改、编程，但一朝问题落到三维空间、时期演化和物理抑遏，现成的范式就运转忙绿。摩根士丹利把下一段增长押在“宇宙模子”上——让AI学会矫健、模拟并在环境里作念有谋略，愚弄不单在机器东说念主和自动驾驶，也会重塑游戏、想象、影视制作等数字现实工业。

据追风往来台，摩根士丹利北好意思团队的股票分析师Adam Jonas在最新讲演中直白写说念：“AI is moving beyond language toward models that understand, simulate and navigate the physical world。”这句话的潜台词是：下一轮竞争，不是谁的聊天更像东说念主，而是谁能把现实宇宙的礼貌压缩进一个可用的里面表征，再把它变成可交互的“念念象引擎”。

讲演给出的笔据并不靠前景叙事，而是一些也曾发生的工程实践：Waymo借助基于DeepMind Genie 3的宇宙模子作念了“数十亿英里”的编造路测；微软用Muse把1997年的《Quake II》作念成“全AI渲染、可玩”的版块；Roblox也公开了用自研宇宙模子生成千里浸式环境、用当然谈话迭代游戏的谋划标的。大厂在作念（DeepMind、Meta、微软、特斯拉、英伟达），新公司也在抢东说念主抢钱。

更值得审视的是，摩根士丹利在这份材料里把镜头瞄准两家新锐：李飞飞的World Labs偏“生成可导航3D宇宙”，杨立昆的AMI Labs偏“学习高效的隐空间暗示去作念展望与推理”。两条道路背后，是吞并个问题：AI到底要以什么情势“矫健宇宙”，以及这种矫健何时能从demo变成坐蓐力。

从谈话到物理：宇宙模子要补的，是LLM的硬短板

讲演把“物理宇宙”态状为一个更难的战场：受物资、热力学、流体、光照等礼貌抑遏，在不时变化的三维空间里运行。LLM的窥察对象主若是文本卓绝变体，作念白领任务（编码、搜索、写稿）很强，但对“下一秒会发生什么、我作念这个行为会变成什么后果”这种问题，缺的不是语料，而是能长期保持一致性的环境表征与推演才调。

因此，宇宙模子被界说成一种“里面可用的环境暗示”：它不仅要复现目下看到的，还要能把现象往前震动，并在“行为条目”改动时给出不同的过去分支——也即是讲演反复使用的譬如：AI的“imagination engine”。

宇宙模子不是一个东西：五条主流道路在并行

摩根士丹利把刻下作念法粗分红几类（并强调领域会逐步无极）：

交互式、行为条目宇宙模子：像“学出来的游戏引擎”，环境会随智能体行为及时变化（例：DeepMind Genie）。

一致性3D宇宙生成器：强调空间几何一致与可从多视角探索（例：World Labs Marble）。

详尽暗示/非生成模子：不追求生成像素级画面，而是展望更高层的隐空间结构与动态，偏效能与推理（例：Meta V-JEPA、AMI Labs）。

展望型生成宇宙模子：更像“展望下一帧/下一现象”，用于筹谋、展望与驾驶推理（例：Wayve GAIA、NVIDIA Cosmos 的 Predict）。

物理抑遏的模拟数据引擎：把宇宙模子与仿真/物理引擎、数据管线齐集，为机器东说念主窥察产出更“物理一致”的合成数据（例：NVIDIA Cosmos 的 Transfer）。

这套离别有一个现实深嗜：雷同叫宇宙模子，有的在追求“生成一个能逛的宇宙”，有的在追求“把宇宙压缩成可策动的现象”，家具形态、算力结构、交易化旅途齐不一样。

先落在游戏与现实坐蓐：替代引擎很诱东说念主，但没那么快

游戏是讲演里最“直不雅”的用例：宇宙模子不错从极少教导生成可交互环境，现实坐蓐速率可能被拉到另一个量级。微软用Muse作念出的可玩《Quake II》，即是一个强对照——不再依赖传统引擎去逐帧渲染，而是模子根据玩家输入展望每一帧。

但摩根士丹利的视频游戏分析师团队（材料中援用了Matt Cost的框架）给出的判断并不平静：长期看有两种情景——现存巨头把AI塞进器用链完成“适配”，梗概被新范式替代/严重扰动。替代看起来更粗浅，因为今天的模子也曾能“用当然谈话生成可玩宇宙”；

难点在背面：算力速率与成本也许有路可解，但“meta系统、延长”会更难，而“笃定性（determinism）、牵挂、更新”这类问题，可能辞宇宙模子范式下即是硬骨头。这意味着短期抑遏给了老玩家窗口期，长期恐吓依旧竟然存在。

自动驾驶与机器东说念主更求实：编造宇宙先用来“补数据”和“先念念后作念”

自动驾驶的持手更明确：把现实中危机、珍稀、端淑的“边际场景”，搬到编造里成领域地跑。讲演提到Waymo使用基于DeepMind Genie 3的宇宙模子，进行了“数十亿英里”的编造驾驶测试，用来窥察和考证系统在零散边际情形下的施展——这类场景在竟然说念路上要么难遭受，要么风险弗成控。

机器东说念主端的逻辑也更像工程：宇宙模子可能处治两件事——窥察数据量与实施前推理。讲演提到有谋划泄露：用宇宙模子生成的数据窥察机器东说念主，恶果不错与用竟然交互数据窥察的机器东说念主“稀罕”。但摩根士丹利也把领域划清：短期内，宇宙模子与仿真数据更可能是现实数据管线的补充，而不是替代。

竟然卡东说念主的细节，来自“战斗与摩擦”：讲演例如强调，外界容易忽略的狭窄物理量通常最枢纽——手指施加的微弱力、实施器新旧现象各别、名义摩擦与材料属性的微变，致使要津的静摩擦，齐可能让“仿真到现实”的迁徙出现雄伟落差。

最难的是“万古踏实”和“可控”：离可用还有几说念坎

讲演把挑战列得很具体，也很不客气：

谬误积聚与时期漂移：互动越久，物体漂移、几何形变、物理礼貌跑偏的概率越高。被觉得很先进的Genie 3，当今也只可援助“几分钟”的流畅交互。

可控性不及：画面再好意思，行为空间如果只好基础挪动，家具价值会受限。

多智能体与社会动态：多东说念主/多车/多机器东说念主同期互动，比单相机穿行费劲多，DeepMind也点名这是Genie 3的难点之一。

数据领域与千般性：尤其在机器东说念主领域，竟然传感器数据收罗端淑且慢。

清寒合伙基准：万古交互质地若何量化，莫得公认步调，进展常靠demo与任务测试撑持。

这些抑遏决定了一个现实节律：宇宙模子很可能先在“容错高、迭代快”的数字现实领域扩散，再渐渐向需要严格物理一致性的行业浸透。

李飞飞的赌注：让AI"看懂"三维空间

摩根士丹利把World Labs放在“生成一致性3D宇宙”的代表位置。公司由李飞飞与团队在2023年创立，2024年走出隐身；其旗舰家具Marble在2025年11月公诞生布，指标是从文本、图片、短视频或粗莽3D输入生成“历久、可探索”的三维环境，并援助裁剪与彭胀。

讲演列出的功能更像一套面向创作与坐蓐的责任台：生成后可点窜物体、用“Chisel”先搭粗模再上细节、选区外扩生成、把多个宇宙Compose成更大场景、导出到外部3D软件/引擎，以及提供API给诞生者集成。

它也强调与产业器用链的接口：可导出到Unreal Engine与Unity；与NVIDIA Isaac Sim等仿真平台对接；还展示了在建筑想象、机器东说念主仿真等场景的使用方式。

本钱热度雷同被写进讲演：PitchBook估算World Labs累计融资约12.9亿好意思元，2026年2月一轮融资后投后估值约54亿好意思元。

杨立昆的另一条路：不渲染画面，只展望结构

AMI Labs的故事线更“谋划范式”：公司在2026年3月走出隐身，由Yann LeCun参与创立，旅途偏向JEPA框架——不去重建每个像素，而是展望被遮掩/过去部分的潜在暗示（latent embeddings），用更详尽的结构学习宇宙的演化礼貌。摩根士丹利把它归入“详尽暗示/非生成模子”一侧，强调其潜在价值在推理、筹谋与物理AI系统（尤其机器东说念主）。

材料中对AMI的具体家具透露很有限，只可列出可能的愚弄标的：机器东说念主、自动驾驶、视频矫健/分析，以及带录像头的AR/VR与智能助手等。融资方面，讲演提到AMI Labs以提升10亿好意思元的种子轮融资亮相，PitchBook口径投后估值在45亿好意思元以上。

本钱和东说念主才也曾在聚拢：空间智能的竞赛运转“提速”

这份摩根士丹利材料最垂死的信号，可能不是某个模子参数或某次demo，而是它态状的情势变化：从DeepMind、Meta、微软、特斯拉、英伟达到一批新创，宇宙模子正在变成“下一阶段的共同谈话”。它既能讲明为什么游戏、影视、想象会出现坐蓐力跃迁，也能讲明为什么自动驾驶与机器东说念主会把窥察、考证和筹谋越来越多地搬到编造宇宙里。

宇宙模子不是一个即插即用的全能件。讲演给出的论断更像道路图：能跑起来的场景也曾出现体育游戏app平台，竟然的难点也摆在台面上——万古踏实、可控、多智能体、物理细节与评测体系。接下来是谁能把这些硬问题作念成工程闭环，才是“数字到物理”这段旅程能走多远的分水岭。