Lesson 07 · 冷水
局限与争议：保持冷静
学完这一课，你就不容易被任何"突破"忽悠了。
前六课我们一直在讲世界模型"有多厉害"。一个负责任的课程，必须也把它还不行的地方讲清楚。这不是泼冷水，而是给你一副"防忽悠眼镜"——戴上它，你就能在铺天盖地的宣传里，看出哪些是真本事，哪些是画大饼。
四个必须知道的"坑"
坑一：很多"世界模型"其实不是
这是最常见的营销套路。一家公司只要用了点 AI，就敢在宣传里写"基于世界模型"。
掏出第 2 课的试金石
追问两个问题：它懂"动作"吗？它能"决定怎么做"吗？如果都答不上来，那它顶多是个会预测、会分类的普通 AI，配不上"世界模型"这四个字。真正世界模型目前很少，绝大多数宣传都在蹭热度。
坑二：试验品 ≠ 成熟产品
新闻里常看到"XX 实现了世界模型突破"。但你得看清楚它处于什么阶段：
| 阶段 | 意味着 | 距离能用 |
|---|---|---|
| 学术论文 / PoC | 在实验室、小数据集上证明"思路行得通" | 还很远 |
| 试点部署 | 在一两个真实场景试用 | 有希望，仍不确定 |
| 成熟商用 | 多客户、长期跑、有效果数据 | 可认真考虑 |
比如安防用的 V-JEPA 2 路线，目前基本还在PoC 阶段（准确率约 0.788，顶尖方法能到 0.97）。把它当"明天就能装"的产品，是要吃亏的。
坑三：要吃很多数据，还很贵
世界模型靠"从大量真实数据里学规律"吃饭。
- 视频类（安防）：要上千小时的正常视频，才算学到点东西；
- 传感器类（空调）：要几个月的连续数据，才能摸清一栋楼的脾气。
而且训练它需要昂贵的算力（高端 GPU 跑好几天）。这意味着没有数据积累的团队，根本玩不转；也意味着，它的成本可能吃掉它省下来的钱——尤其在安防这种不直接省钱、只"少出事"的场景。
坑四：它会犯错，而有些错不能犯
世界模型是"学"出来的，不是"算"出来的，所以它会预测错。在空调场景，预测错了顶多让人喊冷喊热；但在某些场景（比如控制关键设备），一个错决定可能出大事。
最大的一场争议：Sora 算不算世界模型？
这场争论本身就很能说明问题。
- OpenAI 的说法：Sora 是"世界模拟器"，它生成的视频里，物体似乎遵循着某种物理直觉。
- 反对派（含 LeCun）：Sora 常常穿帮（杯子穿桌、手指错乱），说明它只学会了"画面长什么样"，没学会"世界怎么运转"，不配叫世界模型。
这场争论告诉你：连顶尖专家都在吵"什么才算世界模型"。所以当一个外行（或销售）言之凿凿地说"这就是世界模型"时，你完全有理由保持怀疑。
一条实用心态
对世界模型，既不当信徒，也不当黑子。把它当成一个"还在长大、但确有真本事的孩子"：承认它的潜力，也盯紧它的短板。看到任何说法，先问一句"这是哪一派、到了哪一步、谁在说"——三问之后，心里就有谱了。
四个坑：名不副实、试验非产品、吃数据费钱、会犯错。
三问防忽悠：哪一派？到哪一步？谁在说？
看到"某公司发布世界模型，准确率创新高"的新闻，最稳的第一反应是？
这正是成熟的学习者该有的反应。 既不盲信也不一棍子打死，而是用三问把它放回合适的位置。 到这一步，你已经比绝大多数"听过世界模型"的人更清醒了。
🎓 恭喜，你完成了全部 7 课！
现在你拥有了：
- 一个不靠术语就能解释"世界模型"的能力；
- 一套分辨真假的试金石和"三问"；
- 对五大流派、三个场景、当下热度与局限的完整地图。
建议把 一页速查 存下来，遇到相关新闻随时回看。也欢迎回来重读任何一课——好的学习，本来就是反复回看。