上一条可能让人有点误解。
解释一下，世界模型的基本概念其实比较好理解，让机器向人一样基于一个简化的信息，去构建一个对物理世界的认知框架。
如果把世界模型的概念套用到视频生成领域则可以理解为，这个模型能够让机器像人类一样，对世界产生一个全面而准确的认知，从而生成更流畅、更符合逻辑、时间更长的视频。
如果是套用在自动驾驶上，世界模型理论上可以，当然也必须要和人脑一样，不仅需要预测立即的结果，还要能够预测更长时间序列的后果。
这对于理解复杂环境和规划长期策略至关重要。
啥意思呢？
自动驾驶上，特别是无图之后，系统的难点是，它并不清楚自己接下来的 5 分钟或者 500 米应该怎么走。
当然怎么走，并不是单一指是不是认识路，而是在复杂的真实交通环境里，能不能认识路、能不能认识水、能不能认识泥泞 …
因为世界模型最大的一个核心其实是，让它真正地认识到那些不可约化的东西，还有你认识到自身的边界在哪。
因为你做任何的事情它是有一种框架性，对吧？
你真实的世界就是这样的，真实世界它的框架来自于，大量的物理事实和人际关系的情绪事实，这个世界运转时候的一种逻辑。
这几种很多东西，这是你的世界的框架，你如果只是从语言的角度去理解世界的时候，你就发现不了这个世界真实的那一个框架。
这部分现在我觉得在GPT4的这个级别上，因为它是属于语言模型，它还没有达到说后面的开放式的世界模型的这种级别，那看起来OpenAI一直在这方面努力。
Sora 可以被看作为世界模型。
而世界模型的另一个难点是，生成结果的 一致性 问题。
