盖世汽车讯 想象一下，如果人工智能只需观察道路几秒钟就能预测接下来会发生什么，那该有多好。它不仅能识别所见，还能理解整个场景可能如何展开。交通会减速吗？会有车辆并入车道吗？行人会走上人行横道吗？

这就是世界模型的潜力所在：人工智能系统能够学习现实世界环境随时间演变的过程。简单来说，世界模型学习的是当前世界状态、可能采取的行动以及接下来会发生什么之间的关系。

图片来源：Natix

对于物理人工智能而言，这是一个重大进步。一旦人工智能系统能够模拟并推理不同行动后可能发生的情况，它就可以开始比较各种可能的未来。如果车辆减速会发生什么？如果车辆变道会发生什么？如果车辆等待会发生什么？

此时，选择最佳行动不再是一个数据问题，而是一个计算问题：模拟多种可能的结果，比较它们，然后选择最安全或最有效的路径。这就是世界模型的重要性所在。它们使人工智能从简单地识别世界跃升至模拟其如何响应世界。

据外媒报道，弗莱堡大学（University of Freiburg）和Natix公司的研究人员发布首个用于自动驾驶的分层世界模型Orbis 2。该模型基于Natix的去中心化真实世界数据集进行训练，在参数量和数据量分别约为Nvidia Cosmos-v2.5的一半和三分之一的情况下，性能优于后者。

Orbis 2的训练耗时不到3000个H100 GPU小时，而Waymo的GAIA-1则耗时约23000个A100 GPU小时。在基准测试中，Orbis 2在对未见过的Waymo数据的泛化能力、长时域稳定性、场景表征质量和推理速度方面均优于Nvidia Cosmos-v2.5。

图片来源：Natix

Natix的网络提供了Orbis 2超过40%的训练数据，是其使用的最大单一数据源。Orbis 2是继与法雷奥合作之后，第二个基于Natix数据训练的世界模型。仅在2026年，世界模型就吸引了32亿美元的投资。

弗莱堡团队此前在NeurIPS 2025上发布了最初的Orbis世界模型，这是德国首个驾驶世界模型。该团队也是德国自动驾驶人工智能联盟nxtAIM的成员，该联盟由梅赛德斯-奔驰、采埃孚、法雷奥和安波福支持。

弗莱堡大学的研究员Arian Mousakhan表示，这种分层架构能够实现更长期、更稳定的未来预测，而Natix的数据对于大规模评估泛化能力至关重要。Natix首席执行官兼联合创始人Alireza Ghods表示，众包的真实世界数据正成为物理人工智能的关键基础设施。

Orbis 2的独特之处

大多数驾驶AI模型都经过训练，能够识别前方环境中的事物：车辆、车道、标志、行人和交通信号灯。而世界模型则更进一步，它们尝试预测场景将如何变化。

说起来容易做起来难。

现实世界瞬息万变。车辆可能会突然减速。骑自行车的人可能会从停放的车辆后方突然出现。转弯后，道路布局可能会完全不同。模型预测的未来越远，就越难保持准确。

图片来源：Natix

Orbis 2通过分层方法来应对这一挑战，将问题分为两个层次：

第一部分着眼于整体。它不会关注每个像素，而是尝试理解场景的走向。交通是否正在拥堵？道路是否开始弯曲？车辆是否正在接近十字路口？

第二部分着眼于细节。它以这种高层次的理解为指导，生成视觉帧，将预测的未来场景生动地呈现出来。

这意味着模型的两个部分都不会被要求去做它们不擅长的事情。高层预测器可以专注于理解情况，而第二层预测器则专注于生成视觉细节。它们共同生成的预测结果在较长时间内都能保持一致性。