正名：什么是世界模型
内容提要
文章辨析“世界模型”概念：中文“世界”含时间与边界，英文world含“人”，拉丁语mundus含秩序；模型即约束、规律与尺度。世界模型是对有边界、会演化过程的可执行有损压缩，按Pearl因果阶梯分关联、干预、反事实三层。像素、几何、隐空间、物理、因果五条路线各有用途，关键看状态定在哪层、能力到第几层。
延伸解读
拆字正名：世界模型不是万能宇宙模拟器
文章从词源拆解“世界”与“模型”，指出“世界”包含时间、边界与秩序，“模型”意味着约束、规律与尺度。因此世界模型并非把整个宇宙塞进芯片，而是对特定行动者、特定任务的有边界、会演化过程的可执行有损压缩。理解这一点，就能避免被“能生成视频就是世界模型”等宽泛宣称误导，转而关注模型的实际边界与用途。
因果阶梯：区分关联、干预与反事实
文章借用Pearl的因果阶梯，将模型能力分为三层：关联（看见）、干预（动手）、反事实（想象）。输入中有动作token不等于理解干预，能生成另一段视频也不等于完成反事实推演。判断一个系统是否真正具备世界模型能力，关键看它能否在变化场景下正确预测同一动作的后果，并给出可事先检验、可能失败的答案。
五条路线与两条轴：表示深浅决定成本，能力层级决定天花板
文章梳理像素、几何、隐空间、物理、因果五条路线，并指出前四路争的是状态表示，第五路提的是能力要求。横轴是表示深浅：状态定在现象还是机制，决定数据成本与闭环速度；纵轴是能力层级：模型能回答因果阶梯的第几层，决定其泛化上限。路线之争多聚焦横轴，但真正分出高下的是纵轴。
六个追问：把宽泛标签变成可检验的技术声明
文章最后将世界模型的承诺归结为六个问题：世（时间范围）、界（覆盖现实哪一块）、人（为哪个行动者服务）、模（抽出什么规律）、型（排除哪些不可能）、度（在哪个尺度有效、误差如何衡量）。问清这六个问题，才能判断一个系统是否真的算得准，以及它在什么情况下愿意承认自己算错了。
Q&A
世界模型中的“世界”一词，在中文、英文和拉丁语词源里分别强调什么？
中文“世界”强调时间与边界：“世”是时间单位（三十年为一世），“界”是田地的疆界，指边界。英文 world 来自 wer（人）+ eld（年岁），本义是“人的时代”，强调人。拉丁语 mundus 本义是“干净的、有秩序的”，是希腊语 kosmos（秩序、和谐）的直译，强调世界是有序、有规律、可被理解的整体。
“模型”一词拆开来看有哪三层含义？
“型”是铸造用的模子，代表约束，即模型必须排除某些可能性；“模”是标准、样板，代表可复用的规律，即模型要抽出可迁移的法则；英文 model 经由拉丁语 modulus 追溯到 modus（尺度、分寸），代表模型必然有损，只保留与当前任务相关的差异。
文章给“世界模型”下的定义是什么？
世界模型是对一个有边界、会演化的过程所做的可执行有损压缩。它把观测历史压缩成与任务有关的状态，并预测状态如何变化；能力更强的模型还能比较不同动作的后果，回答干预与反事实问题。它不必装下整个宇宙，也不必使用人能直接看懂的变量。
Pearl 的因果阶梯分为哪三层？世界模型的能力如何对应这三层？
Pearl 的因果阶梯分为三层：第一层关联（看见），即 P(Y|X)；第二层干预（动手），即 P(Y|do(X=x))；第三层反事实（想象），即对已发生的事问“如果当时换一个做法会怎样”。世界模型不必达到第三层才算世界模型，但它处在哪一层，决定了它能被拿来做什么：根据历史预测下一步是关联；能比较不同动作的后果才能支持规划，属于干预；能回答反事实问题则要求更高。
文章提到的五条世界模型路线分别是什么？它们各自的状态表示和主要用途是什么？
五条路线是：像素派（状态是像素，数据易得，用于视频生成等，站在第一层关联）；几何派（状态是三维位置、形状，用于数字孪生、AR 导航、自动驾驶场景理解，仍是第一层）；隐空间派（状态是高维向量，如 LeCun 的 JEPA，用于预测，验收困难）；物理因果派（状态是质量、速度等物理量及因果结构，用于工业机器人、手术机器人、自动驾驶边缘场景，站上第二层干预）；奇门派（不是新的表示方法，而是对能力的要求，直指第二层与第三层）。
评价一个世界模型时，应该问清楚哪六个问题？
六个问题是：世——它能处理多长时间范围内的变化？界——它覆盖现实的哪一块？状态定在现象上还是机制上？边界之外的影响怎么进来？人——它为哪个行动者服务？哪些动作能真正改变内部状态？模——它抽出了哪些可复用的规律？是统计的相关还是因果的机制？型——它排除了哪些不可能的状态与变化？度——它在哪个尺度上有效？误差怎样衡量，什么结果算失败？
