为什么说世界模型将成为驱动AI资本开支的第二引擎

　　2026年上半年的资本市场提供了一个足够强烈的信号。据Decibel Partners统计，仅上半年，风险投资基金向世界模型相关企业投入超30亿美元。Crunchbase的数据口径放得更宽一些，结果显示2026年上半年全球共发生288起AI融资事件，总金额超460亿美元。与此同时，全球四大科技巨头——亚马逊、谷歌、微软、Meta——计划在2026年将AI相关资本支出增至7250亿美元，较2025年的4100亿美元增长77%。

　　这些数字指向一个共同的方向：世界模型。高盛在最新的一份报告中明确提出，世界模型正在成为继大语言模型之后，推动AI基础设施建设投资的"第二引擎"。为什么一个连学术界都尚未统一的概念，能让资本以罕见的密度涌入？答案可能比表面看起来更加复杂，也更值得深入拆解。

　　资本为何集体押注一个"定义不清"的概念

　　目前，"世界模型"是一个令业内颇为尴尬的事实：学术界至今未能给出统一定义。李飞飞本人也曾坦言，世界模型"既是最重要的概念，也是被误解最深的概念"。研究视频生成的将其等同于3D空间理解，研究具身智能的将其等同于物理世界模拟，甚至文本生成领域也开始贴上世界模型的标签。

　　但资本逻辑从来不等于学术逻辑。恰恰是这种"共识尚未达成、路径百花齐放"的状态，让不确定性本身变得更有投资价值。

　　2026年上半年的几笔标志性融资已说明问题。杨立昆(Yann LeCun)创立的AMI Labs获得10.3亿美元投资，投前估值35亿美元。李飞飞的World Labs在2月获10亿美元融资，估值达50亿美元。另一视角是机器人领域：Physical Intelligence自2024年以来累计融资约11亿美元，被称为"硅谷最年轻世界模型独角兽"。千寻智能2026年上半年累计融资近45亿人民币。6月，世界模型初创公司Odyssey获3.1亿美元融资，投前估值14.5亿美元，投资方包括亚马逊、AMD Ventures、GV(前谷歌风投)，谷歌DeepMind首席科学家Jeff Dean此前轮次便已是公司投资者。

　　将这些数字放在一起，共同勾勒出一幅罕见图景：全球最顶尖的科学家、体量巨大的风险资本、最大的科技巨头，正以极高的密度涌向同一个方向。资本追逐的不是一个清晰的定义，而是一个确定的方向。

　　为什么世界模型更"烧钱"

　　如果说大语言模型的资本开支是一场"现有赛道的加速跑"，那么世界模型带来的则是一种"开辟新赛道"的需求。

　　大语言模型的核心技术范式是"训练—推理"。利用海量文本数据训练模型，再根据用户输入生成响应。世界模型的要处理的对象则远为复杂：它需要模拟物理世界的动态过程，从重力、碰撞到光照、流体动力学，再到多模态感知的持续输入。这种计算不再是简单的文本预测，而是对高维物理状态的持续推演。

　　更关键的是，世界模型不是在替代大语言模型，而是在其之上建立的、全新的计算需求。高盛在报告中指出，世界模型的发展速度超预期，当前围绕AI基础设施的投资预估可能偏低。这不是一个"替代"叙事，而是一个"叠加效应"：科技巨头在维持大模型巨额投入的同时，还需要额外为世界模型搭建新的基础设施。

　　这种叠加效应已经在产业链上显现。三星电子2026年第二季度营业利润同比增长1810%，主要由AI基础设施需求驱动。据花旗研究数据，DRAM平均售价(ASP)第二季度环比上涨44%，NAND平均售价环比上涨53%。高带宽存储(HBM)、企业级SSD需求持续攀升，从芯片设计、代工到散热、液冷等产业链各环节均在经历结构性扩张。

　　真实世界的产业落地场景

　　资本愿意重金押注，还因为世界模型指向了更为真实的产业应用场景。以下场景规模足够大、付费意愿足够强：

　　第一个是自动驾驶与人形机器人。世界模型能通过生成仿真驾驶场景，大幅降低自动驾驶系统的训练成本。以中国的小鹏汽车为例，其世界模型据称每周可生成100亿帧模拟数据，帮助该公司在无需海量实车路测的情况下，实现超过10万公里的安全表现。在机器人领域，丰田旗下的WAM(整车操控模型)试图统一非驾驶、操纵和底盘控制任务。

　　第二是具身智能与通用机器人。世界模型被看作是解决机器人"思考能力"短板的关键路径。传统的VLA(视觉-语言-动作模型)高度依赖昂贵且难以获取的真实操控数据，而世界模型的训练目标不是模仿某个特定动作，而是理解物理动作与结果之间的因果关系。在这一逻辑下，失败轨迹和无标注视频反而成为有价值的训练素材。英伟达2025年推出的Cosmos世界模型平台，专门用于加速自动驾驶和机器人等物理AI系统的开发。

　　第三是工业仿真。世界模型可以模拟物理环境中的制造流程，让企业在实际操作前对各种变量进行模拟预演。在影视与游戏产业，世界模型可以帮助创作者一键生成可交互3D场景，大幅压缩制作周期和成本。它们共同的付费逻辑是：客户购买的不仅是"AI替你思考"，而是AI替你在虚拟空间中完成现实世界中昂贵、危险的物理操作——这种付费意愿远超简单的"对话体验"。

　　关于"第二引擎"的底层逻辑

　　回到核心问题：为什么说世界模型是科技巨头AI资本开支的第二引擎？

　　答案可以从两个层面来理解。第一层是直接且明确的：世界模型创造了全新的计算需求——它必须模拟物理世界、感知环境并推演动态过程，这些任务是大语言模型无法覆盖的。当科技巨头已经为大语言模型投入数千亿美元时，世界模型的兴起意味着它们还需要在此基础上追加一轮投入。这不是替代，而是叠加。

　　第二层则更为根本：世界模型指向的商业逻辑天然具备更强的"可付费性"。2025年全年，OpenAI营收约130.7亿美元，但总成本和支出却高达340亿美元——资本持续涌入，但商业化回报远未兑现。世界模型指向的是截然不同的付费场景：汽车厂商为更安全的自动驾驶付费，工厂为更智能的机器人付费，建筑师为更高效的仿真工具付费。这些场景的付费意愿和付费能力，远比"更好的聊天体验"要坚实得多。

　　高盛将世界模型称为AI基础设施的"第二引擎"，其精妙之处在于：第一引擎(大语言模型)虽仍在高速运转，但商业化的边际效用正在递减；第二引擎刚刚点火，指向一片全新的应用疆域。高盛预测，2026年至2031年，全球围绕计算、数据中心和电力的AI资本开支预计将达到约7.6万亿美元，世界模型将从中分走越来越大的份额，有望在数年之内从"实验室里的概念"变成"产业现场的工具"。

　　没有人能准确预测答案。但资本已经用自己的判断投下了信任票：杨立昆从Meta离开后全力押注，英伟达推出了Cosmos，亚马逊和谷歌DeepMind同时出现在同一家初创公司的投资方名单中——当这些来自不同方向的信号汇聚在同一点上，AI下一个周期的底层命题已经悄然改写。在这个周期里，基础设施投资的方向将从"让机器理解语言"转向"让机器理解世界"。