规模化像素预测， 能「涌现」出对物理的理解吗？

2024 年 2 月，OpenAI 发布 Sora，技术报告里写下一个大胆的说法：视频生成模型是「世界模拟器」。争论立刻爆发——生成的视频里杯子会凭空消失、手指会穿过桌面，这算「理解世界」吗？LeCun 的回应尖锐：「看起来对 ≠ 理解。」

同月，DeepMind 的 Genie 给出另一种答案：不追求电影感，而是让模型从无标注游戏视频里自己学出「动作 → 后果」的映射——生成的世界是可玩的。8 月 GameNGen 用 Stable Diffusion 以 20fps 实时跑起 DOOM，10 月 Oasis 成为首个公开可玩的 AI 游戏。到 Genie 3（2025.8，720p/24fps、数分钟一致性）与国内蚂蚁灵波 LingBot-World 的开源对标（720p/60fps、小时级生成，官方口径），这条路线已从争议走向产品。