清华姚期智团队的代数世界模型：让 AI 像牛顿一样推导而非拟合

清华大学姚期智团队提出「代数世界模型」，思路是用代数结构来建模物理世界，目标是让世界模型具备可推导的因果推理能力，而不只是从数据里拟合出相关性。

为什么当前的视频世界模型不够

现在生成式世界模型的典型做法是预测下一帧。它能生成看起来很真实的视频，但你问它「如果我在这里施加一个力，物体会怎么动」，它给出的答案是从训练分布里插值出来的，不是从物理规律推出来的。表现就是：短时预测很稳，长时推演很快失效，稍微偏离训练分布就崩。

代数结构解决什么

代数结构提供的是组合性与不变性。如果能把场景抽象成对象、关系、变换的代数系统，那么推演就变成符号运算，可以在没见过的情况上仍然保持正确。这跟物理学的做法一致：牛顿不是从苹果视频里拟合轨迹，是写出了方程，然后用方程求解任何初始条件。

研究的难点在哪

从感知数据里自动发现正确的代数结构，这本身极难。人做这件事用了几百年，还得靠大量先验。让模型自己找出「守恒量」和「不变量」，需要极强的归纳偏置设计。

同类研究的另一条线

这周还有一项工作把世界模型用于指导芯片设计，做出超大核 NPU，标称 700TOPS 与 99% 的算力可用率。这条路的逻辑是把「架构搜索」变成「在学到的世界模型里做规划」，比纯强化学习试错效率高得多。

判断

世界模型的研究重心正在从「生成得像」转向「推演得对」。这个转向对整个机器人、自动驾驶、工业仿真的意义，远大于生成一段好看的视频。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

从拟合到推导这个转向抓到了要害。现在视频世界模型短时很稳、长时必崩，根因就是它在插值而不是在解方程。难点在于怎么从感知数据里自动发现正确的代数结构，这个归纳偏置不好设计。

用代数结构换掉纯拟合，思路和当年把物理约束塞进神经网络是一路的。难点在可组合性怎么落地：物体的不变性能定义，但接触、摩擦这类非光滑过程很难写成代数式。短期更看好它做仿真器的校验层，而非替代生成模型。