一、Token预言家的高光与局限
语言迷宫里的天才
大语言模型通过预测下一个Token，展现出惊人的文本生成与推理能力，写诗、编程、对话样样精通。然而，这种智能栖息在纯符号的迷宫里，只能捕捉词与词的统计羁绊，从不曾感知真实世界的重量与温度。
物理常识的空白
正因如此，模型虽能描述“杯子跌落会碎”，却不懂脆性与重力的必然。当需要空间想象、时间顺序或因果链时，它往往编织出流畅却荒谬的答案。即便背诵所有物理定律，它也只会在符号间滑行，无法在内心模拟出碎片的飞溅。预测Token的范式在语言疆域登峰造极，却在物理实在面前暴露了根本的盲区。

二、转向预测物理状态
像素习得物理直觉
范式转向预测下一个物理状态：下一帧画面、下个粒子位移。Sora等视频模型生成连贯影像，咖啡不穿透杯子，脚印随浪消退，这种物理合理性并非硬编码，而是从海量视频中隐式习得重力、碰撞与光影规律。
世界模型初现
这迫使模型在内部构建一个可演化的世界模拟器，理解三维几何、物体常性。正如婴儿通过观察物体移动来理解常性，AI从无数视频中提炼出物体不可穿透、持续存在的规律。无需文本中介，直接从视觉信号中提炼出状态变化的底层规则。世界模型非语言外挂，而是智能直面现实的第一性原理，物理规律正在涌现。

三、从概率到因果的跃升
幻觉之源与破除之道
预测Token依赖共现概率，就像“鸡叫日升”的错觉，易生幻觉。而预测物理状态必须遵守守恒律，预测错误会让水流逆流、积木悬浮，在多帧间迅速崩坏，犹如游戏穿模的即时惩罚。这种严酷反馈强迫模型发现真正的因果杠杆。
常识的物理根基
由此，模型不再需要死记硬背，而是通过内在因果引擎推演：积木塔底块抽出，上层必然坍塌。它习得支撑、稳固等常识，就像人类通过玩耍建立物理直觉。智能从统计关联走向因果推演，拥有了可验证的必然性。这是从“可能”到“必然”的认知革命，常识终于扎根于物理铁律。

四、具身智能：预测即行动
在想象中预演
机器人搭载世界模型，能预测“推瓶子”后的位移与旋转，在神经空间中进行数千次无成本试错，找到最优动作，避免真实碰撞的代价。这种内部预演远比文字规划更接近真实，预测成为行动的坚实蓝图。
从对话到操控的跨越
英伟达GR00T、谷歌RT系列等系统，让机械臂通过观察视频预测物理交互，从尝试中自主学会抓取、组装。智能不再止步于聊天框，而是以预测驱动行为，在真实世界中验证与进化。即使面对陌生物体，也能通过内部世界模型预测交互并即时调整。具身智能实现了由言到行的范式闭环，AI正向现实迈进。

五、虚实融合的AGI路径
语言降维为索引
未来AI能将“煎至金黄”的文字指令，在内部世界模型里模拟出油脂飞溅、食材变色的完整物理过程，再驱动机器人烹饪。语言成为查询世界模型的钥匙，预测物理状态则为文字注入实体与重感。从此，语言退居为意图指令，世界模型承载物理因果。
共情与责任的新文明
这场范式革命将重塑科学实验、工业制造，让AI真正理解世界并安全交互。但我们必须植入价值对齐与安全边界，防止世界模型被滥用。预测下一个物理状态，不仅通往AGI，更在孕育一个能与人类共感、共生的数字文明。这不仅是技术升维，更是智能本质的重塑，让我们拥抱这场范式革命。