世界模型正成为AI产业的新竞争焦点。信达证券世界模型专题报告指出，英伟达推出Cosmos赋能机器人和自动驾驶开发者，李飞飞创立WorldLabs探索从2D到3D的空间智能，谷歌DeepMind发布Genie2展现强大的世界模拟能力，昆仑万维发布Matrix-Zero紧追不舍。众多厂商已展开激烈角逐，世界模型的产业格局正在形成。本文基于信达证券报告，全面梳理世界模型赛道的核心玩家与产品布局。
英伟达Cosmos——2000万小时视频训练的世界基础模型
英伟达在GTC大会上正式推出了Cosmos世界基础模型（World Foundation Model, WFM）平台，旨在帮助开发者构建更强大的机器人和自动驾驶模型。Cosmos包含一系列开放的扩散和自回归Transformer模型，用于物理感知视频生成。
Cosmos的训练规模令人印象深刻——基于2000万小时的真实世界人类互动、环境、工业、机器人和驾驶数据，训练了9,000万亿个token。当配合NVIDIA Omniverse 3D输出时，扩散模型可以生成可控的高质量合成视频数据，用于启动机器人和自动驾驶汽车感知模型的训练。自回归模型则基于输入帧和文本预测视频帧序列中的下一步动态，实现实时下一个token预测，让物理AI模型预测其下一个最佳行动。信达证券认为，Cosmos代表了英伟达在物理AI领域的战略布局，将赋能全球开发者和企业加速机器人与自动驾驶的创新。
李飞飞WorldLabs——三个月估值超10亿美元的空间智能新贵
WorldLabs是一家空间智能AI公司，由在AI学术领域享有盛誉的李飞飞博士创立。公司致力于构建空间智能大型世界模型（LWM）来感知、生成3D世界并与之交互，其目标是将AI模型从像素的2D平面提升到完整的3D世界——包括虚拟和现实——赋予它们丰富的空间智能。
在WorldLabs官网上展示了大量LWM的有趣用例：只需要输入单张图片，就可以生成一张3D图片并保持良好的一致性，这在未来的影视、游戏、世界模拟等方面拥有良好的前景。仅创立三个月，WorldLabs便吸引了英伟达、AMD等公司的融资，估值超过10亿美元。信达证券认为，WorldLabs的快速崛起证明空间智能是AI产业的重要方向，李飞飞的学术影响力与技术洞见使该公司在世界模型赛道占据了独特定位。
谷歌DeepMind Genie2——自回归潜在扩散模型的强大能力
谷歌旗下DeepMind推出的Genie2是一种自回归潜在扩散模型，在大型视频数据集上进行了训练。通过自动编码器后，视频中的潜在帧被传递到大型transformer动力学模型，该模型使用类似于大型语言模型使用的因果掩码进行训练。推理时Genie2可以自回归方式进行采样，逐帧执行单个操作和过去的潜帧。
在DeepMind官网上，Genie2展现出强大的能力：可在长达一分钟内保持场景一致性，可生成不同视角的3D场景，学会了创建复杂的3D视觉场景，可创建水、烟等不同物理效果。Genie2使用无分类器的指导来提高可控性，使开发者能够更精确地控制生成内容。信达证券认为，Genie2的能力验证了世界模型在视频游戏、虚拟世界构建等领域的巨大应用潜力。
昆仑万维Matrix-Zero——国产世界模型的快速跟进
昆仑万维发布了Matrix-Zero世界模型，包含两款子模型。3D场景生成大模型支持将用户输入的图片转化为可自由探索的真实合理的3D场景，降低3D内容创作的门槛。可交互视频生成大模型提供以用户输入为核心驱动的可交互空间智能视频生成方案，支持根据用户实时输入生成互动视频效果，具备更精准控制的action model。
信达证券认为，从英伟达Cosmos、谷歌Genie2到昆仑万维Matrix-Zero，世界模型赛道已呈现全球化竞争态势。随着推理成本的下降和模型能力的提升，世界模型有望在自动驾驶仿真、机器人训练、影视制作、游戏开发、虚拟世界构建等场景实现商业化落地，中国厂商在该领域的积极布局值得持续关注。
世界模型主要厂商产品对比| 厂商 | 产品/平台 | 核心特点 | 主要应用方向 |
|---|
| 英伟达 | Cosmos | 2000万小时视频，9000万亿token | 机器人、自动驾驶 |
| WorldLabs | LWM | 2D→3D空间智能，估值超10亿美元 | 影视、游戏、世界模拟 |
| 谷歌DeepMind | Genie2 | 自回归潜在扩散，长达1分钟一致性 | 3D场景、物理效果模拟 |
| 昆仑万维 | Matrix-Zero | 3D场景生成+可交互视频生成 | 3D内容创作、互动视频 |
