蚂蚁灵波推出了LingBot-Video，这是全球首个针对具身智能的视频生成模型。该模型专注于生成符合物理规律的视频，帮助机器人理解真实世界的互动。LingBot-Video结合了大量具身数据和互联网视频，通过MoE架构降低计算成本，提升训练效率，应用于机器人动作规划和策略评估，标志着视频生成技术向物理世界模拟器的转变。

谷歌发布了Gemini Omni视频生成模型，能够理解物理规律，用户可通过自然语言指令编辑视频。与传统AI工具不同，Gemini Omni支持多种素材融合，生成和谐视频。尽管功能强大，但在画质和流畅度上被竞争对手Seedance 2.0超越。

阿里巴巴的ABot-PhysWorld模型在权威评测WorldArena中获得第一，展示了其对物理规律的深刻理解和长程动态预测能力。该模型能够准确预测物体在复杂交互中的运动轨迹，具有实际应用价值。

何恺明团队的GeoPT提出了一种新预训练范式，通过合成动力学将静态几何转化为动态空间，使模型能够在无标签数据上学习物理规律。该方法节省了20-60%的物理仿真数据，提高了训练效率和适应性，为物理仿真提供了新思路。

近年来，AI视频生成技术迅速发展，VBench-2.0评测体系强调视频的内在真实性，关注物理规律和常识推理等深层次能力，补充VBench-1.0，推动视频生成模型的创作与应用潜力提升。

南京理工大学研究团队提出的Thermo-Mesh Transformer Network (TMTN)能够在0.78秒内高效重构三维温度场，误差降低38%。该模型结合物理规律与人工智能，解决了传统方法计算耗时和效率低的问题，适用于复杂场景的实时温度预测。

AIxiv专栏报道了生成式“物理AI”的研究，探讨如何将物理规律融入视觉生成模型。文章介绍了六种显式物理模拟的生成范式，并分析了评估模型物理刻画能力的方法。未来，生成式“物理AI”有望在多个领域推动技术进步。

视频生成模型如Sora能够生成符合常识的视频，但尚未掌握物理规律。研究表明，这些模型无法抽象出普遍的物理规则，在未见过的场景中表现不佳，主要依赖记忆和案例模仿。尽管增加数据和模型规模可以改善表现，但对新场景的推理能力提升有限。

字节跳动豆包大模型团队经过8个月的研究发现，视频生成模型能够记忆训练案例，但缺乏对物理规律的真正理解，无法泛化到新场景。尽管在熟悉概念下表现良好，模型仍依赖记忆，缺乏抽象能力。

本文讨论了世界模型和Sora之间的关系。世界模型是AI领域中描述智能体对环境的内部表示和模拟的概念。Sora被称为“世界模拟器”，但实际上更像是一个视频工具，而不是一个能够准确回答反事实推理问题的工具。文章指出Sora并没有准确学习到物理规律。作者认为简单地堆砌数据并不是通向更高级智能技术的道路。