返回快讯

Menlo Ventures合伙人推荐World Models深度解读

Menlo Ventures合伙人Deedy Das称某篇帖子是World Models领域最佳读物,也是AI最重要的阅读之一。

过去18个月已有100亿美元资金流入“世界模型”领域,从Yann LeCun到Fei-Fei Li均参与。该技术有望像LLM一样提供数据,支撑机器人基础模型规模化并解决机器人难题。

帖子拆解世界模型5大特征、不同方法对比、机器人内外应用场景、机会点及研究引用。涉及公司包括Google Genie、Tesla Optimus、Nvidia DreamDojo等大厂产品,以及World Labs、Runway、Physical Intelligence等纯世界模型与机器人基础模型公司。

市场机制:VC与科技巨头作为主体向世界模型初创公司注入资金,事件驱动机器人基础模型训练需求,资本流向合成数据生成、仿真平台及机器人基础设施;世界模型公司及机器人开发者受益,传统依赖真实世界数据的机器人训练路径承压。

来源:公开信息

ABAB AI 解读

Deedy Das作为Menlo Ventures合伙人,此前主导Anthropic早期投资及Goodfire等AI基础设施项目,长期关注生成模型与具身智能交叉领域,曾多次发帖分析Gaussian Splatting与世界模型在3D场景重建中的作用,为其本次推荐提供投资视角支撑。

资本路径上,100亿美元主要通过VC基金流向World Labs(Fei-Fei Li)、Runway、Physical Intelligence等公司,用于构建视频生成、仿真环境与具身智能数据集,动机是解决机器人训练中真实数据稀缺与高成本问题,通过合成世界模型实现无限平行实验,加速从LLM式 scaling laws向机器人scaling laws迁移。

类似案例包括LLM时代早期对合成数据与自监督学习的投入(如OpenAI早期工作),以及DeepMind用Veo生成世界模型训练机器人的论文;当前机器人AI处于从数据饥渴向世界模型驱动模拟训练转型的关键阶段。

结构判断:本质属于技术替代驱动的产业链重构。世界模型通过生成式仿真环境将定价权从稀缺真实机器人交互数据转向可无限扩展的合成数据平台,机制在于视频/3D生成技术复用LLM scaling路径,降低物理试错成本,让机器人基础模型训练从硬件依赖转向计算与数据主导,从而开启具身智能的指数级增长周期。

ABAB News · 认知定律

数据越稀缺,模拟越值钱。
LLM吃文字,世界模型吃现实。
下一个十年技术,先用资本买下它的世界。