世界模型学会了想象，但还没学会从错误中毕业。
撰文 | 麦哩
题图 | 网络
6月下旬，Waymo召回3871辆Robotaxi。
原因是部分车辆在高速行驶时，没能识别封闭施工区。有的识别到了，但在优先级排序上选错了，导致车辆冲进施工道路继续高速开。
不满两个月前，Waymo刚因为车辆无法规避路面积水，召回了约3800辆。施工区、积水，这两个场景，每一位司机每天都会遇上。但Waymo这样的头部玩家，仍然在大规模运营中被它们反复绊倒。
更让人不安的，是故障链条的随机性。有的是感知失灵，车没看见锥桶、没看见积水。有的是风险排序出错：看见了危险，但在“先避哪个”的毫秒级决策中选错了。同一个场景，两种完全不同的翻法。
世界模型的问题不在于不够强。在于消化失败的速度，跟不上现实暴露问题的速度。
世界模型到底卡在哪
Robotaxi进入真实道路后，暴露的不是单一模块的bug，而是感知、预测、规划、风险排序在复杂交通互动中的组合性失效。不是谁出了问题，是多个模块一起出了问题。
清华大学封硕团队今年把这种现象命名为“跷跷板效应”：在部分场景提升了安全性，却在其他场景出现退化。马斯克也公开承认过，大模型部署后，总会在训练之外的方面冒出新问题。
这引出了一个比“世界模型能生成多复杂的场景”更关键的问题：已经暴露的失败，能不能被快速消化成新的训练资产？
一次施工区误入，如果只停留在事故复盘里，它就是一个孤立案例。如果能被世界模型重建为不同车速、不同锥桶摆放、不同旁车行为、不同临时封闭条件下的场景族，它就从“一次事故”变成“一类可训练的问题”。
但重建只是第一步。修复后的模型还需要在这些变体中反复验证，证明它不只是记住了这一次事故，而是掌握了同类风险逻辑。同时，它没有因为修复这个问题变得过度保守，反而在别处制造新风险。
这就是"失败闭环"。从发现失败→筛选归因→重建场景→训练修复→验证无副作用→部署回灌。一个完整循环。
目前，没有玩家有证据证明这个闭环已经跑通了。
同一个词，三种完全不同的打法
所有Robotaxi玩家都在谈论世界模型，但每家说的不是同一个东西。
有的放在云端做仿真，有的塞进车端做实时推理，有的试图把世界模型和VLA揉到一起。同一个词，三种完全不同的技术判断。
第一种：世界模型当数据工厂。
华为WEWA架构的World Engine在云端用扩散生成模型造难例场景，密度是真实世界的1000倍。车端的World Action Model负责实时推理。特斯拉走了类似路线。神经世界模拟器根据当前状态和动作合成未来状态，号称让AI在一天内学完人类500年的驾驶经验。商汤绝影依托20 EFLOPS算力，1个GPU的仿真数据相当于500台量产车采集效果。
核心逻辑是先在云端把场景练到位，再让车端模型上路。世界模型的价值是数据密度，用虚拟场景填补真实长尾的空缺。
但这套打法有一个前提：云端生成的场景分布，必须覆盖真实世界会遇到的失败模式。施工区和积水本应是基础场景，但Waymo还是翻了。说明"穷举式生成"有天花板。真实失败的组合方式，永远比仿真更出人意料。
第二种：世界模型上车当随车大脑。
蔚来的NWM从2025年5月推送，覆盖超40万台车。核心能力是100毫秒内推演216种可能轨迹，选出最优解，下一个100毫秒再根据新输入更新模型。相当于给车装了一个"想象力引擎"，每次决策前在脑内快速预演多种未来。
升级后的训练架构，是世界模型+监督微调+闭环强化学习三层框架。在国内首次实现了智驾系统直接操作方向盘和踏板，跳过传统轨迹规划中间层。
好处是实时的，不等云端反馈，车端自己就能推演应对。约束也明显，车端算力和延迟是死线，模型不能太大，推理必须极快。NWM能在100毫秒内跑完216种轨迹，背后是极端的模型压缩和算力分配。这对车端芯片的要求极高。
第三种：世界模型和VLA融合。
小鹏今年密集释放了三件套：X-World把世界模型定位为"会思考的物理AI系统"，X-Cache减少七成重复计算实现2.7倍推理加速，X-Foresight直接把预测式世界模型融入VLA，在统一token空间内同时预测未来画面和自车动作。
小鹏通用智能中心负责人刘先明说："VLA学的是人在这个世界中会怎么做，世界模型学的是这个世界本身会怎么变化。"小鹏的赌法是两个都要。既是动作生成模型，也是理解和推演的物理世界模型。
理想的MindVLA-o1也在走融合路线，引入预测式隐世界模型，在隐空间中推演未来场景。
技术方向已经清晰。VLA和世界模型不是二选一，而是走向融合。但融合的工程难度极高。两个大模型放在一个系统里，算力分配、延迟控制、训练稳定性，都是硬仗。
差距不在模型设计，在失败闭环
技术路线的分歧只是表象。真正重要的是：谁离"失败闭环"更近？
从这个角度看，玩家已经分出了三层。
第一层：Waymo、特斯拉。不是模型最强，而是有真实运营车队在持续产出失败数据。Waymo在北美多个城市运营，特斯拉FSD累计行驶超100亿英里（截至2026年5月）。每次召回都是一次大规模"失败数据"注入。他们的世界模型有持续的、真实的失败输入，能自动触发"分析→训练素材→修复→验证→部署"循环。
召回不是事故的代名词，是数据采集机制的副产品。拥有真实运营车队的玩家，召回频率越高，意味着失败闭环运转越快。这恰恰是其他玩家最稀缺的资源。
第二层：华为、蔚来、小鹏。架构清晰，有的侧重云端，有的侧重车端，有的两手抓。华为WEWA已上车，ADS 4.0端到端时延降低50%；蔚来NWM已推送数十万辆车，用户使用里程环比提升92%；小鹏第二代VLA量产推送首月，辅助驾驶里程占比突破50%。
但大规模运营中的“失败考验”还没真正到来。那种被现实道路反复打脸、被迫快速消化、形成免疫力的循环，还没有真正到来。架构已备好，压力测试还没开始。
第三层：Momenta、商汤、地平线等供应商。Momenta的R7强化学习世界模型走三层递进架构，商汤靠20 EFLOPS算力做虚拟强化，地平线用VLM辅助+世界模型强化学习。他们的优势是把世界模型能力标准化打包卖给多家车企。风险是大客户们迟早会走向自研。
供应商的命运，从来不完全在自己手里。
从数据闭环到训练闭环
行业正在发生一个范式转移：从"数据闭环"到"训练闭环"。
过去的数据闭环是"采集→标注→训练→部署"，靠真实路测数据驱动迭代。问题是标注慢、长尾场景收集不全、模仿学习有天花板，最多学到人类平均水平。
训练闭环在数据闭环之上叠加了世界模型、合成数据和强化学习三层能力。世界模型生成虚拟场景，模型在仿真环境中自主探索，环境反馈自动优化模型。不再完全依赖真实路测。
理想提出的Hierarchy UGP 4D动态重建在Waymo数据集上达到SOTA水平。英伟达Omniverse NuRec把手工建模成本降低90%。小鹏X-Cache减少七成重复计算。
这些数字指向同一个趋势：世界模型正在从辅助工具变成训练基础设施。未来90%以上的训练场景可能由AI自动生成。
但训练闭环绕不过“跷跷板效应”。修了一个问题，会不会在别处制造新问题？
清华和密歇根大学的研究团队提出"dense learning"方法：自动筛选高价值数据样本、分层学习。关键是看哪些失败案例值得学、怎样组织这些失败、学完之后有没有制造新副作用。
世界模型+强化学习的组合有望突破模仿学习的天花板。但前提是筛选机制足够精准。如果世界模型生成的场景质量不过关，或者强化学习的奖励函数设计有偏，"自主探索"就变成了"自主制造新问题"。
真正的壁垒是消化失败的速度
对Robotaxi来说，世界模型在商业层面的本质是成本工具。用虚拟场景替代真实路测，用自动生成替代人工标注，用强化学习突破模仿学习的天花板。
但比降本更重要的，是降险。
每一次Robotaxi召回，代价不只是技术修复。媒体跟进报道、运营范围收缩、监管沟通成本上升、公众信任下降。如果每一次失败都只能靠真实运营来发现、靠召回来处理、靠下一轮投放来验证，扩张速度就会被不可预料的现实意外不断消耗。
世界模型的真正价值，是把真实失败重建为可交互、可变形、可反复评估的场景资产。让下一次同类问题的处理成本更低。
这意味着竞争重心又迁移了一次。
过去比的是谁的世界模型能生成更复杂的场景。接下来比的是谁的"失败闭环"跑得更快。从发现失败到筛选归因到训练修复到验证部署，整个循环的周期有多短。
航空业用几十年建立起围绕日常飞行数据、航行事件和一线报告的安全反馈机制，让运营中的异常沉淀为训练、流程、维护和管制的持续改进。不是保证飞机永远不出事，是让每一次险情都变成系统的免疫力。
自动驾驶也在经历同样的转型。不同的是，航空业靠的是制度和流程，自动驾驶多了一种技术抓手。世界模型可以把真实失败重建成可反复训练的场景资产，让"消化失败"变得更快、更系统、更可复用。
但技术抓手只是工具。能不能把工具变成组织能力，是另一回事。
现实道路会继续出难题。世界模型不会让失败消失，但它可以让失败变得有价值。这场竞争的终局，不属于跑得最快的玩家，属于消化失败最快的玩家。
热门跟贴