从 Token、Action、World Model 到 Physical AI 与 Neural Operator

过去几年，AI 最显眼的进步发生在语言。但更值得关注的变化是：AI 的输出正在从 Token 变成 Action，它不仅要“回答”，还要“行动”；不仅要描述世界，还要预测行动会怎样改变世界，并最终面对真实的物理约束。

如果把这条技术路线压缩成一句话，就是：Token → Action → World → Physics。 这并不意味着大语言模型结束了，而是意味着 LLM 正在从单一模型变成更大智能系统的认知内核。

一、从 Token 到 Action：模型正在变成系统

语言模型擅长在符号空间中理解和生成内容。当模型开始调用浏览器、API、代码环境和外部工具，并围绕一个目标持续执行时，问题就发生了变化：输出不再只是“下一段文字”，而是会改变环境的行动。

Agent 的核心不是给 LLM 换一个名字，而是把模型放入“推理—计划—执行—观察—修正”的反馈回路。于是评价标准也从“单次回答是否正确”，转向“多步任务能否可靠完成”。一次回答不错，不等于连续一百步都可靠；局部错误会累积，失败后的识别、回退和恢复也成为系统能力的一部分。

图 1  AI 学习对象的扩展：Token → Action → World → Physics

二、World Model：AI 必须学会预测“做了之后会发生什么”

当 AI 开始行动，仅靠语言知识已经不够。真正关键的问题从“下一个 Token 是什么”，变成“如果采取这个动作，接下来世界会怎样变化”。这就是 World Model 重新重要起来的原因。

世界模型可以被理解为某种“内部模拟器”：先观察环境，再在内部想象未来，评估不同选择，形成计划，然后行动。它让行动第一次拥有可计算的反事实。对于机器人、自动驾驶和复杂软件 Agent 来说，这种能力比单纯增加知识量更接近真实任务的瓶颈。

三、World Model 还不够：看起来合理，不等于物理上可实现

生成模型可以产生非常逼真的海浪、烟雾或机器人运动，但视觉上的真实感并不保证物理上的正确性。Pixel Fidelity 不等于 Physical Fidelity。

World Model 更擅长场景语义、对象运动和多模态预测；Physics Model 更关心守恒律、边界条件、稳定性、能量与耗散、时延、接触、摩擦以及安全约束。当 AI 进入流体、声学、结构、热、机器人和控制系统时，这条分界线会越来越重要。

图 2  World Model 与 Physics Model 的关注点并不相同

四、Physical AI：真正的门槛是闭环，而不是 Demo

Physical AI 不应被简单理解成“机器人接上大模型”。一个能够进入真实世界的智能系统，至少需要把感知、状态估计、任务推理、世界与物理预测、规划控制、执行和反馈连成闭环。

进入真实系统后，平均精度也不再是唯一指标。更重要的是：系统能否稳定运行，约束是否被违反，尾部延迟有多大，失败后能否恢复，必要时能否进入安全模式。一个错误 Token 可能只是答错；一个错误 Action，可能就是一次真实的碰撞。

五、Neural Operator：从“学习样本”走向“学习物理映射”

很多科学与工程问题，本质上并不是固定维度的“输入一个向量、输出一个标签”。输入可能是几何、材料、初始条件和边界条件，输出则是一整个随时间和空间变化的速度场、压力场、温度场或声场。

Neural Operator 的目标，是学习 Function → Function 的映射。这使它天然适合连接机器学习与 PDE、仿真和数字孪生。但更现实的方向并不是“AI 取代传统求解器”，而是 Solver × AI：成熟数值方法负责守恒、稳定性、边界条件和验证体系，可学习算子负责快速近似、跨参数复用和在线适配。

六、下一代 AI，可能不是“一个更大的模型”

如果把这些线索放在一起，下一代智能系统的结构正在逐渐清楚：语言模型回答“我知道什么”，世界模型回答“可能发生什么”，物理模型回答“必须发生什么”，行动模型回答“应该做什么”，最后由真实世界给出反馈。

于是核心循环可以概括为：Know → Imagine → Constrain → Act。LLM 不会消失，它仍然可能是知识、推理与交互的认知内核；真正变化的是它的外围——Memory、Agent、World Model、Physics Model、Control 与 Verification 将逐渐组成一个更大的闭环系统。

图 3  下一代物理智能：Language + World + Physics + Action

结语：AI 的下一步，是读懂现实世界

过去十年，我们让机器越来越擅长阅读和生成语言。接下来的问题，是它能否理解另一种更难的“语言”：时间、空间、物质、能量、因果、约束与反馈。

真正困难的下一步，可能不是让机器“说得越来越像人”，而是让它逐渐理解世界为什么这样运行，并在约束之下预测、规划和行动。换句话说，下一阶段的 AI 不只是生成世界，而是理解、预测并安全地改变世界。

Token → Action →   World → Physics

转载本文请联系原作者获取授权，同时请注明本文来自陈孝良科学网博客。

链接地址：https://wap.sciencenet.cn/blog-1375795-1555225.html?mobile=1

收藏

分享