到 2026 年，此類 AI 模型將比 LLM 更重要

大多數現有的人工智能產品都由 大語言模型。它們是聊天機器人的技術基礎，例如 聊天GPT 和 雙子座創建您在屏幕上看到的聽起來自然的文本。但它可能不是最重要的人工智能技術。

人工智能的發展已經經歷了許多階段，下一階段將不再關注創造文字，而是更加關注理解我們的物理世界。世界模型的建立是為了將物理世界（例如物理定律、物體檢測和運動）轉化為人工智能可以理解的數字設計。

您可能不會以與 LLM 支持的技術（例如通過聊天機器人）交互的方式與世界模型交互。然而，全球模型將展示人工智能如何創建逼真的視頻、引導手術機器人以及增強自動駕駛車輛的駕駛能力。它們是發展所謂的自然人工智能的重要組成部分——這種技術不僅能夠理解我們的世界，而且能夠對其採取行動。

不要錯過我們任何公正的技術內容和基於實驗室的評論。添加 CNET 作為首選 Google 來源。

多位人工智能先驅都表示將轉向建立全球模型。 Yann LeCun 是一位領先的人工智能先驅，最近辭去了 Meta 人工智能工作負責人的職務，加入了一家專注於構建全球模型的初創公司。俗稱人工智能教母的李飛飛表示，空間智能——理解物理環境的能力——是技術創新的下一個前沿領域。

他在 11 月的一篇博客文章中寫道：“空間智能將改變我們創建現實和虛擬世界以及與現實和虛擬世界互動的方式，徹底改變講故事、創造力、機器人技術、科學發現等。”

Nvidia 首席執行官黃仁勳還在 CES 2026 主題演講中專門討論了該公司的全球模型工作。黃說，建立基於物理定律和地面實況的人工智能模型始於用於訓練的數據。

各種類型的人工智能模型都需要大量數據來創建和完善其結果。通常，人工智能公司依賴真人創建的內容——無論是否經過他們的許可——這導致了 主要法律鬥爭。可以使用人類數據構建全局模型，包括模擬。這些數據對於構建可以推理和判斷因果關係的全局模型至關重要。

英偉達使用全球模型的領域之一是自動駕駛汽車。在現場演示中，Nvidia 展示了其全球模型 Cosmos 如何使用汽車的傳感器來了解其位置以及道路上所有其他附近汽車的位置，從而創建周圍環境的實時視頻。開發人員可以使用這些信息來運行場景（例如車禍），以了解車輛如何反應並做出必要的安全改進。 綜合數據或非人類生成的數據，也可以與全局模型結合使用，以幫助預測罕見的“異常值”。

隨著人工智能不斷融入我們在線生活的各個部分，重要的是它能夠理解我們的物理世界，而不是繼續產生幻覺和犯錯誤。行業領導者在空間智能、全球模型和物理人工智能方面的最新研究和投資表明，該行業不僅僅會構建更多的聊天機器人，它正在努力構建更植根於我們現實的人工智能，而不是相反。