仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
让AI真正理解世界，Meta又迈出了关键一步。
来源：Meta官网
编译：云鹏
编辑：漠影
智东西6月12日消息，刚刚，Meta发布了最新的开源世界模型V-JEPA2，称其在物理世界中实现了最先进的视觉理解和预测，从而提高了AIagents的物理推理能力。
Meta副总裁、首席AI科学家杨立昆（YannLeCun）亲自发布了该模型，他在官方视频中提到，在世界模型的帮助下，AI不再需要数百万次的训练才能掌握一项新的能力，世界模型直接告诉了AI世界是怎样运行的，这可以极大提升效率。
比如AI会预测我们舀出一勺东西是要放入另一个容器中：
AI甚至可以理解运动员的复杂跳水动作，并进行动作拆解：
据Meta测试数据，V-JEPA2在测试任务中每一步的规划用时缩短至英伟达Cosmos模型的三十分之一，同时成功率还更高。据称V-JEPA2使用了一百多万小时的视频来进行自监督学习训练。
在Meta看来，物理推理能力对于构建在现实世界中运作的AIagents、实现高级机器智能（AMI）非常重要，可以让AIagents真正可以“三思而后行（ThinkBeforeActs）”。
此外，Meta还发布了三个新的基准测试，用于评估现有模型从视频中推理物理世界的能力。
昨天Meta刚刚曝出要成立新AI实验室、招揽28岁华裔天才少年，并豪掷148亿美元（约合人民币1061亿元）收购ScaleAI49%股份的消息，今天Meta发布新世界模型，并让杨立昆出来大讲MetaAI重点研究方向和愿景做法，颇有些要为招兵买马“打广告”的意味。
论文地址：
- 世界模型让AI有“类人直觉”
强化AIagents理解、预测、规划能力
理解世界物理规律听起来并不复杂，但这是AI与人类差距非常大的一个方面。
比如你把球抛向空中时，知道重力会将其拉回地面；当你穿过一个陌生的拥挤区域时，你会一边朝目的地移动，一边避免撞到沿途的行人或障碍物；打曲棍球时，你会滑向冰球即将到达的位置，而非它当前的位置。
▲判断篮球的运动轨迹
但AI很难掌握这种能力，很难构建这种理解物理世界的“心理模型”。
Meta的世界模型，主要会强化AIagents的理解、预测、规划三项核心能力。 - 关键架构创新大幅提升学习效率
高性能同时兼顾准确率
Meta使用视频来训练V-JEPA2，帮助模型学习物理世界中的重要规律，包括人类如何与物体互动、物体在物理世界中的运动方式，以及物体之间的相互作用。
据称V-JEPA2通过自监督学习，训练了超过1百万小时的视频。
V-JEPA2是一种联合嵌入预测架构（JointEmbeddingPredictiveArchitecture）模型，这也是“JEPA”的名称由来。
模型包括两个主要组成部分：
一个编码器，负责接收原始视频，并输出包含对于观察世界状态语义上有用的内容的嵌入（embeddings）。
一个预测器，负责接收视频嵌入和关于要预测的额外内容，并输出预测的嵌入。
V-JEPA2跟传统预测像素的生成式模型有很大性能差异，根据Meta测试数据，V-JEPA2执行任务时每个步骤的规划用时缩短至Cosmos模型的三十分之一，不仅用时短，V-JEPA2的成功率还更高。
V-JEPA2的能力对现实世界agents理解复杂运动和时间动态（temporaldynamics），以及根据上下文线索预测动作都非常关键。
基于这种预测能力，世界模型对于规划给定目标的动作顺序非常有用，比如从一个杯子在桌子上的状态到杯子在桌子边上的状态，中间要经历怎样的动作。
如今大部分AI都需要专业的训练去解决特定的任务，而V-JEPA这种自监督的方式，只需要为数不多的案例，就可以掌握新的能力，在不同的任务和领域中实现更高的性能表现。
模型可以部署在机械臂上，去执行物体操作类的任务，比如触碰（Reach）、抓取（Grasp）、选择和摆放物体（Pick-and-place），而不需要大量的机器人数据或者针对性的任务训练。
根据测试数据，V-JEPA2在执行这三类任务时的成功率分为别100%、45%和73%。 - 杨立昆展示世界模型应用场景
首发三个专项基准测试
世界模型可能会有哪些应用场景，杨立昆也给大家做了一些展示。
世界模型加持下的AIagents，可以帮助视障人群更好的认知世界；
MR头显中的AIagents可以给更复杂的任务提供指导，比如让教育更加的个性化；
AI编程助手可以真正理解一行新的代码会如何改变程序的状态或变量；
世界模型对自动化系统同样非常重要，比如自动驾驶汽车和机器人；
Meta认为世界模型会为机器人开启一个新的时代，让现实世界中的AIagents不需要学习天文数字的训练数据就可以做家务或体力劳动。
除了发布V-JEPA2，Meta还分享了三个新基准测试，用来帮助研究界评估现有模型通过视频学习和推理世界的能力：
3、CausalVQA：面向视频模型的物理基础因果推理基准测试（APhysicallyGroundedCausalReasoningBenchmarkforVideoModels）。
基准测试地址：
IntPhys2：
CausalVQA：
Shortcut-awareVideo-QABenchmark：
- 结语：AI认知世界提速
AI从数字世界加速走向物理世界
Meta二代世界模型的发布进一步优化了模型的性能和准确率，让物理世界的AIagents可以更高效地执行任务，而不需要海量的数据训练，这一方向可以说是目前AI圈关注的焦点赛道之一。
随着数据瓶颈问题越来越凸显，如何在底层技术层面实现突破显得更为关键，Meta在模型架构层面的创新是其世界模型的核心优势。
随着如今越来越多的视频模型发布，AI逐渐从文本、图像走向动态的视频，AI理解世界、认识世界的速度不断加快，从英伟达、Meta、谷歌这样巨头到各路创企，都对打造世界模型饶有兴致，世界模型之战，或许将成为后续AI产业技术竞争的关键看点。
阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”
https ://wx. zsxq.com/group/454854145828
未来知识库是“欧米伽未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https ://wx. zsxq.com/group/454854145828进入。
截止到3月31日”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
牛津未来研究院《将人工智能安全视为全球公共产品的影响、挑战与研究重点》
麦肯锡：超级智能机构：赋能人们释放人工智能的全部潜力
AAAI2025关于人工智能研究未来研究报告
斯坦福：2025斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191页）
壳牌：2025能源安全远景报告：能源与人工智能（57页）
盖洛普&牛津幸福研究中心：2025年世界幸福报告（260页）
Schwab：2025未来共生：以集体社会创新破解重大社会挑战研究报告（36页）
IMD：2024年全球数字竞争力排名报告：跨越数字鸿沟人才培养与数字法治是关键（214页）
DS系列专题：DeepSeek技术溯源及前沿探索，50页ppt
联合国人居署：2024全球城市负责任人工智能评估报告：利用AI构建以人为本的智慧城市（86页）
TechUK：2025全球复杂多变背景下的英国科技产业：战略韧性与增长路径研究报告（52页）
NAVEXGlobal：2024年十大风险与合规趋势报告（42页）
《具身物理交互在机器人-机器人及机器人-人协作中的应用》122页
2025-2035年人形机器人发展趋势报告53页
EvaluatePharma：2024年全球生物制药行业展望报告：增长驱动力分析（29页）
【AAAI2025教程】基础模型与具身智能体的交汇，350页ppt
Tracxn：2025全球飞行汽车行业市场研究报告（45页）
谷歌：2024人工智能短跑选手（AISprinters）：捕捉新兴市场AI经济机遇报告（39页）
【斯坦福博士论文】构建类人化具身智能体：从人类行为中学习
《基于传感器的机器学习车辆分类》最新170页
美国安全与新兴技术中心：2025CSET对美国人工智能行动计划的建议（18页）
罗兰贝格：2024人形机器人的崛起：从科幻到现实：如何参与潜在变革研究报告（11页）
兰德公司：2025从研究到现实：NHS的研究和创新是实现十年计划的关键报告（209页）
康桥汇世（CambridgeAssociates）：2025年全球经济展望报告（44页）
国际能源署：2025迈向核能新时代
麦肯锡：人工智能现状，组织如何重塑自身以获取价值
威立（Wiley）：2025全球科研人员人工智能研究报告（38页）
牛津经济研究院：2025TikTok对美国就业的量化影响研究报告：470万岗位（14页）
国际能源署（IEA）：能效2024研究报告（127页）
Workday：2025发挥人类潜能：人工智能（AI）技能革命研究报告（20页）
CertiK：Hack3D：2024年Web3. 0安全报告（28页）
世界经济论坛：工业制造中的前沿技术：人工智能代理的崛起》报告
迈向推理时代：大型语言模型的长链推理研究综述
波士顿咨询：2025亚太地区生成式AI的崛起研究报告：从技术追赶者到全球领导者的跨越（15页）
安联（Allianz）：2025新势力崛起：全球芯片战争与半导体产业格局重构研究报告（33页）
IMT：2025具身智能（EmbodiedAI）概念、核心要素及未来进展：趋势与挑战研究报告（25页）
IEEE：2025具身智能（EmbodiedAI）综述：从模拟器到研究任务的调查分析报告（15页）
CCAV：2025当AI接管方向盘：自动驾驶场景下的人机交互认知重构、变革及对策研究报告（124页）
《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新132页
《面向科学发现的智能体人工智能：进展、挑战与未来方向综述》
全国机器人标准化技术委员会：人形机器人标准化白皮书（2024版）（96页）
美国国家科学委员会（NSB）：2024年研究与发展-美国趋势及国际比较（51页）
艾昆纬（IQVIA）：2025骨科手术机器人技术的崛起白皮书：创新及未来方向（17页）
NPL&Beauhurst：2025英国量子产业洞察报告：私人和公共投资的作用（25页）
IEAPVPS：2024光伏系统经济与技术关键绩效指标（KPI）使用最佳实践指南（65页）
AGI智能时代：2025让DeepSeek更有趣更有深度的思考研究分析报告（24页）
2025军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告（37页）
华为：2025鸿蒙生态应用开发白皮书（133页
《超级智能战略研究报告》
中美技术差距分析报告2025
欧洲量子产业联盟（QuIC）：2024年全球量子技术专利态势分析白皮书（34页）
美国能源部：2021超级高铁技术（Hyperloop）对电网和交通能源的影响研究报告（60页）
罗马大学：2025超级高铁（Hyperloop）：第五种新型交通方式-技术研发进展、优势及局限性研究报告（72页）
兰德公司：2025灾难性网络风险保险研究报告：市场趋势与政策选择（93页）
GTI：2024先进感知技术白皮书（36页）
AAAI：2025人工智能研究的未来报告：17大关键议题（88页）
安联Allianz2025新势力崛起全球芯片战争与半导体产业格局重构研究报告
威达信：2025全球洪水风险研究报告：现状、趋势及应对措施（22页）
兰德公司：迈向人工智能治理研究报告：2024EqualAI峰会洞察及建议（19页）
哈佛商业评论：2025人工智能时代下的现代软件开发实践报告（12页）
德安华：全球航空航天、国防及政府服务研究报告：2024年回顾及2025年展望（27页）
奥雅纳：2024塑造超级高铁（Hyperloop）的未来：监管如何推动发展与创新研究报告（28页）
HSOAC：2025美国新兴技术与风险评估报告：太空领域和关键基础设施（24页）
Dealroom：2025欧洲经济与科技创新发展态势、挑战及策略研究报告（76页）
《无人机辅助的天空地一体化网络：学习算法技术综述》
谷歌云（GoogleCloud）：2025年AI商业趋势白皮书（49页）
《新兴技术与风险分析：太空领域与关键基础设施》最新报告
150页！《DeepSeek大模型生态报告》
军事人工智能行业研究报告：技术奇点驱动应用加速智能化重塑现代战争形态-250309（40页）
真格基金：2024美国独角兽观察报告（56页）
璞跃（PlugandPlay）：2025未来商业研究报告：六大趋势分析（67页）
国际电工委员会（IEC）：2025智能水电技术与市场展望报告（90页）
RWS：2025智驭AI冲击波：人机协作的未来研究报告（39页）
国际电工委员会（IEC）：2025智能水电技术与市场展望报告（90页）
RWS：2025智驭AI冲击波：人机协作的未来研究报告（39页）
未来今日研究所2025年科技趋势报告第18版1000页
模拟真实世界：多模态生成模型的统一综述
中国信息协会低空经济分会：低空经济发展报告（2024-2025）（117页）
浙江大学：2025语言解码双生花：人类经验与AI算法的镜像之旅（42页）
人形机器人行业：由“外”到“内”智能革命-250306（51页）
大成：2025年全球人工智能趋势报告：关键法律问题（28页）
北京大学：2025年DeepSeek原理和落地应用报告（57页）
欧盟委员会人工智能与未来工作研究报告
加州大学伯克利分校：面向科学发现的多模态基础模型：在化学、材料和生物学中的应用
电子行业：从柔性传感到人形机器人触觉革命-250226（35页）
RT轨道交通：2024年中国城市轨道交通市场数据报告（188页）
FastMoss：2024年度TikTok生态发展白皮书（122页）
CheckPoint：2025年网络安全报告-主要威胁、新兴趋势和CISO建议（57页）
【AAAI2025教程】评估大型语言模型：挑战与方法，199页ppt
《21世纪美国的主导地位：核聚变》最新报告
沃尔特基金会（VoltaFoundation）：2024年全球电池行业年度报告（518页）
斯坦福：2025斯坦福新兴技术评论：十项关键技术及其政策影响分析报告（191页）
国际科学理事会：2025为人工智能做好国家研究生态系统的准备-2025年战略与进展报告（英文版）（118页）
光子盒：2025全球量子计算产业发展展望报告（184页）
奥纬论坛：2025塑造未来的城市研究报告：全球1500个城市的商业吸引力指数排名（124页）
FutureMatters：2024新兴技术与经济韧性：日本未来发展路径前瞻报告（17页）
《人类与人工智能协作的科学与艺术》284页博士论文
《论多智能体决策的复杂性：从博弈学习到部分监控》115页
《2025年技术展望》56页slides
大语言模型在多智能体自动驾驶系统中的应用：近期进展综述
【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用
皮尤研究中心：2024美国民众对气候变化及应对政策的态度调研报告：气候政策对美国经济影响的多元观点审视（28页）
空间计算行业深度：发展趋势、关键技术、行业应用及相关公司深度梳理-250224（33页）
Gartner：2025网络安全中的AI：明确战略方向研究报告（16页）
北京大学：2025年DeepSeek系列报告-提示词工程和落地场景（86页）
北京大学：2025年DeepSeek系列报告-DeepSeek与AIGC应用（99页）
CIC工信安全：2024全球人工智能立法的主要模式、各国实践及发展趋势研究报告（42页）
中科闻歌：2025年人工智能技术发展与应用探索报告（61页）
AGI智能时代：2025年Grok-3大模型：技术突破与未来展望报告（28页）
上下滑动查看更多
