爲什麼說世界模型將成爲驅動AI資本開支的第二引擎

2026年上半年的資本市場提供了一個足夠強烈的信號。據Decibel Partners統計，僅上半年，風險投資基金向世界模型相關企業投入超30億美元。Crunchbase的數據口徑放得更寬一些，結果顯示2026年上半年全球共發生288起AI融資事件，總金額超460億美元。與此同時，全球四大科技巨頭——亞馬遜、谷歌、微軟、Meta——計劃在2026年將AI相關資本支出增至7250億美元，較2025年的4100億美元增長77%。

這些數字指向一個共同的方向：世界模型。高盛在最新的一份報告中明確提出，世界模型正在成爲繼大語言模型之後，推動AI基礎設施建設投資的"第二引擎"。爲什麼一個連學術界都尚未統一的概念，能讓資本以罕見的密度湧入？答案可能比表面看起來更加複雜，也更值得深入拆解。

資本爲何集體押注一個"定義不清"的概念

目前，"世界模型"是一個令業內頗爲尷尬的事實：學術界至今未能給出統一定義。李飛飛本人也曾坦言，世界模型"既是最重要的概念，也是被誤解最深的概念"。研究視頻生成的將其等同於3D空間理解，研究具身智能的將其等同於物理世界模擬，甚至文本生成領域也開始貼上世界模型的標籤。

但資本邏輯從來不等於學術邏輯。恰恰是這種"共識尚未達成、路徑百花齊放"的狀態，讓不確定性本身變得更有投資價值。

2026年上半年的幾筆標誌性融資已說明問題。楊立昆(Yann LeCun)創立的AMI Labs獲得10.3億美元投資，投前估值35億美元。李飛飛的World Labs在2月獲10億美元融資，估值達50億美元。另一視角是機器人領域：Physical Intelligence自2024年以來累計融資約11億美元，被稱爲"硅谷最年輕世界模型獨角獸"。千尋智能2026年上半年累計融資近45億人民幣。6月，世界模型初創公司Odyssey獲3.1億美元融資，投前估值14.5億美元，投資方包括亞馬遜、AMD Ventures、GV(前谷歌風投)，谷歌DeepMind首席科學家Jeff Dean此前輪次便已是公司投資者。

將這些數字放在一起，共同勾勒出一幅罕見圖景：全球最頂尖的科學家、體量巨大的風險資本、最大的科技巨頭，正以極高的密度湧向同一個方向。資本追逐的不是一個清晰的定義，而是一個確定的方向。

爲什麼世界模型更"燒錢"

如果說大語言模型的資本開支是一場"現有賽道的加速跑"，那麼世界模型帶來的則是一種"開闢新賽道"的需求。

大語言模型的核心技術範式是"訓練—推理"。利用海量文本數據訓練模型，再根據用戶輸入生成響應。世界模型的要處理的對象則遠爲複雜：它需要模擬物理世界的動態過程，從重力、碰撞到光照、流體動力學，再到多模態感知的持續輸入。這種計算不再是簡單的文本預測，而是對高維物理狀態的持續推演。

更關鍵的是，世界模型不是在替代大語言模型，而是在其之上建立的、全新的計算需求。高盛在報告中指出，世界模型的發展速度超預期，當前圍繞AI基礎設施的投資預估可能偏低。這不是一個"替代"敘事，而是一個"疊加效應"：科技巨頭在維持大模型鉅額投入的同時，還需要額外爲世界模型搭建新的基礎設施。

這種疊加效應已經在產業鏈上顯現。三星電子2026年第二季度營業利潤同比增長1810%，主要由AI基礎設施需求驅動。據花旗研究數據，DRAM平均售價(ASP)第二季度環比上漲44%，NAND平均售價環比上漲53%。高帶寬存儲(HBM)、企業級SSD需求持續攀升，從芯片設計、代工到散熱、液冷等產業鏈各環節均在經歷結構性擴張。

真實世界的產業落地場景

資本願意重金押注，還因爲世界模型指向了更爲真實的產業應用場景。以下場景規模足夠大、付費意願足夠強：

第一個是自動駕駛與人形機器人。世界模型能通過生成仿真駕駛場景，大幅降低自動駕駛系統的訓練成本。以中國的小鵬汽車爲例，其世界模型據稱每週可生成100億幀模擬數據，幫助該公司在無需海量實車路測的情況下，實現超過10萬公里的安全表現。在機器人領域，豐田旗下的WAM(整車操控模型)試圖統一非駕駛、操縱和底盤控制任務。

第二是具身智能與通用機器人。世界模型被看作是解決機器人"思考能力"短板的關鍵路徑。傳統的VLA(視覺-語言-動作模型)高度依賴昂貴且難以獲取的真實操控數據，而世界模型的訓練目標不是模仿某個特定動作，而是理解物理動作與結果之間的因果關係。在這一邏輯下，失敗軌跡和無標註視頻反而成爲有價值的訓練素材。英偉達2025年推出的Cosmos世界模型平臺，專門用於加速自動駕駛和機器人等物理AI系統的開發。

第三是工業仿真。世界模型可以模擬物理環境中的製造流程，讓企業在實際操作前對各種變量進行模擬預演。在影視與遊戲產業，世界模型可以幫助創作者一鍵生成可交互3D場景，大幅壓縮製作週期和成本。它們共同的付費邏輯是：客戶購買的不僅是"AI替你思考"，而是AI替你在虛擬空間中完成現實世界中昂貴、危險的物理操作——這種付費意願遠超簡單的"對話體驗"。

關於"第二引擎"的底層邏輯

回到核心問題：爲什麼說世界模型是科技巨頭AI資本開支的第二引擎？

答案可以從兩個層面來理解。第一層是直接且明確的：世界模型創造了全新的計算需求——它必須模擬物理世界、感知環境並推演動態過程，這些任務是大語言模型無法覆蓋的。當科技巨頭已經爲大語言模型投入數千億美元時，世界模型的興起意味着它們還需要在此基礎上追加一輪投入。這不是替代，而是疊加。

第二層則更爲根本：世界模型指向的商業邏輯天然具備更強的"可付費性"。2025年全年，OpenAI營收約130.7億美元，但總成本和支出卻高達340億美元——資本持續湧入，但商業化回報遠未兌現。世界模型指向的是截然不同的付費場景：汽車廠商爲更安全的自動駕駛付費，工廠爲更智能的機器人付費，建築師爲更高效的仿真工具付費。這些場景的付費意願和付費能力，遠比"更好的聊天體驗"要堅實得多。

高盛將世界模型稱爲AI基礎設施的"第二引擎"，其精妙之處在於：第一引擎(大語言模型)雖仍在高速運轉，但商業化的邊際效用正在遞減；第二引擎剛剛點火，指向一片全新的應用疆域。高盛預測，2026年至2031年，全球圍繞計算、數據中心和電力的AI資本開支預計將達到約7.6萬億美元，世界模型將從中分走越來越大的份額，有望在數年之內從"實驗室裏的概念"變成"產業現場的工具"。

沒有人能準確預測答案。但資本已經用自己的判斷投下了信任票：楊立昆從Meta離開後全力押注，英偉達推出了Cosmos，亞馬遜和谷歌DeepMind同時出現在同一家初創公司的投資方名單中——當這些來自不同方向的信號匯聚在同一點上，AI下一個週期的底層命題已經悄然改寫。在這個週期裏，基礎設施投資的方向將從"讓機器理解語言"轉向"讓機器理解世界"。