AI 領域正邁向「世界模型」新紀元，它能透過觀察學習並模擬真實世界的運作，而非僅限於語言描述。全球科技巨頭與新創公司皆積極投入，應用已見於氣象預報及生物學，但對於氣候變遷等複雜系統仍有挑戰，未來發展將取決於數據選擇與研究重心。
人工智慧（AI）領域正迎來新一波發展前沿，核心概念「世界模型」（world models）正成為各界關注焦點。世界模型與現有大型語言模型不同，它不只描述世界，更透過觀察學習系統的動態，接著預先模擬以測試後續可能發展，目標是建立對物理世界運作模式的深層理解。
AI 巨頭與新創公司正積極布局此領域。AI 研究者楊立昆（Yann LeCun）已於 2025 年底離開 Meta，創立 Advanced Machine Intelligence Labs，並將研究重心放在世界模型上。他認為，相比於生成影像，訓練模型理解系統行為而非外觀的 JEPA 架構，能更好地泛化到物理世界。Google DeepMind 執行長德米斯·哈薩比斯（Demis Hassabis）也將世界模型視為實現通用 AI 的關鍵。OpenAI 執行長奧特曼（Sam Altman）曾稱其影片生成模型 Sora 為「世界模擬器」，但此說法仍具爭議。此外，李飛飛（Fei-Fei Li）為她的公司 World Labs 籌集了十億美元，致力於發展「空間智慧」。輝達（NVIDIA）執行長黃仁勳（Jensen Huang）也正為下一波 AI 浪潮建構模擬平台與算力基礎，一如過去為大型語言模型所做。亞馬遜（Amazon）創辦人貝佐斯（Jeff Bezos）旗下的 Prometheus 則以「人工通用工程師」為目標，目前估值已達 410 億美元，其訓練數據著重於倉儲物流與工程資料，學習特定的物理法則。
世界模型已在特定領域展現應用潛力。例如，AI 已能從軌道上偵測野火與甲烷洩漏，當前的天氣預報準確度也大幅提升。Google 的洪災預報服務已覆蓋全球逾 150 個國家。Google DeepMind 的 GraphCast 等神經網路氣象模型，在天氣預報效能上已能媲美甚至超越物理模型，且所需算力成本大幅降低。生物學領域，DeepMind 的 AlphaFold 與輝達的 Earth-2 等模型也已投入實際應用。然而，對於海平面上升、碳循環、地球暖化等高度複雜且不確定性高的開放系統，世界模型仍面臨巨大挑戰。主要瓶頸在於這些系統的物理學原理尚未完全理解，且觀測資料稀疏，導致模型難以精確描述其動態。
目前，促成世界模型發展的三股主要力量已匯聚：模型架構日趨成熟、地球觀測數據日益豐富，以及原用於大型語言模型的投資資本正轉向此領域。然而，許多世界模型的應用效益屬於公共財，例如更精確的海平面預測、更好的碳循環模型或早期預警新型病原體傳播，這類應用難以套用商業模式，挑戰了以企業應用指標為導向的投資邏輯。這也意味著，世界模型未來發展的走向，將取決於所採用的訓練數據、研究機構選擇關注的問題，以及是否能將科學界的開放數據整合運用。AI 已學會描述世界，現在的目標是學習其如何運作。