美国2026 CES消费电子展上，英伟达CEO黄仁勋正式宣告了 AI 从“数字世界”向“物理世界”跨越，物理AI的ChatGPT时刻已经到来。这些话看起来又是每个字都认识，但和在一起很多人不知道他在说什么、到底在表达什么。这期节目就用朴素的语言，来把老黄的核心内容完整的解释一下。
01:58 没有听说过“世界模型”也没关系；接下来，今年这个词将很快的无处不在。
03:03 除了发布新一代的GPU，老黄还发布了英伟达的自动驾驶推理模型。
03:36 老黄强调，不同于传统的感应反馈式的模式，英伟达自动驾驶模型能够针对采取的行动来进行逻辑推理，比如“解释一下为什么选择了避让”。
03:51 英伟达这个自动驾驶模型能够做到这一点，就跟“世界模型”这个概念有关了。
03:59 除了自动驾驶模型，老黄还发布了英伟达的“第二代世界模型”，名字叫做Cosmos，为机器人大模型的训练而打造的一个模型。
05:05 实现这一转变的关键技术，正是“世界模型”，即能够模拟物理环境、预测运动、理解因果关系和自然法则的模型。
05:21 用大白话来解释一下，“世界模型”就是机器在自己的脑子里搭建了一份对“这个世界如何运转的内心地图和运行规则”。
05:53 高度依赖“数字世界”的训练方式。。。数据往往与模型当下的决策行为并不构成真正的因果闭环。
07:46 当前的机器人系统。。。不能在行动之前就可靠的预见后果，这在现实世界中是非常危险的。
08:17 目前的机器人大模型跟我们用的大语言模型一样，都是通过静态数据训练的。
08:24 静态数据训练本质上只能学到相关性，而不是因果可推演的结构。
08:33 静态训练数据的问题不在于静态本身，而是在于没有“反事实”，这里来解释一下“反事实”。。。
10:39 能够用于“行动 - 结果 - 修正”这个闭环学习的真实世界交互数据，极其稀缺。。。近期Meta收购Manus，提供了一个代表性的案例。
10:59 正因如此，当前很多机器人公司开始尝试通过“世界模型”的方式，让模型学习物理世界的因果结构和基本的自然法则。
12:42 从通用人工智能的训练的角度来看，数据的价值并不取决于对还是错，恰恰相反，错误决策所暴露出来的偏差、歧义和失败路径，往往是学习因果关系和修正世界模型最关键的信号。
13:09 说完了机器人训练中物理”世界模型“的重要性，再来看看自动驾驶。
14:20 拥有了“世界模型”的AI，像是一个在地球上生活了很久的成年人。
14:46 没有世界模型的机器只会条件反射，这在复杂的现实世界当中是非常危险的。
14:55 人类真正聪明的地方。。。是能够在行动之前先在脑中演练一次未来，“世界模型”本质上是在尝试把这种能力第一次交给机器。