一、物理数据：AI最难获取的“奢侈品”

真实世界的数据采集，每一步都在烧钱
训练一个能理解物理规律的世界模型，首先遭遇的拦路虎就是数据获取成本。自动驾驶公司每采集一小时的激光雷达和摄像头数据，需要支付车辆改装、安全员、油费和高精地图等费用，单辆车每年的采集成本动辄上百万元。对比之下，训练大语言模型的文本数据几乎是互联网免费馈赠——这种悬殊，让物理数据的匮乏显得格外刺眼。更残酷的是，就算花得起钱，采集到的绝大多数场景也是千篇一律的畅通路段，真正有价值的险情瞬间，可能跑几十万公里才出现一次。

稀有事件，那些永远等不到的“黑天鹅”
世界模型需要的不是常规画面，而是杯子掉落、行人突然横穿、机械臂抓取打滑这类反常物理事件。这些危险场景要么无法在现实中刻意制造，要么成本高到无法承受。这就像一个物理大脑，只读过教科书里的理想实验，却从未见过真实世界的混乱与意外。数据获取的艰难，直接卡住了世界模型从实验室走向实际应用的脖子。

二、合成数据：用“虚假”喂养真实

从胡乱拼贴到物理引擎，虚拟数据的进化之路
既然真实数据不够，那就自己造。早期的合成数据不过是把3D模型生硬地贴在不同背景上，生成的图像充满塑料感，与现实严重脱节。如今，英伟达Omniverse这类平台，能通过光线追踪和物理模拟生成几乎以假乱真的图像，不仅视觉逼真，更内嵌了重力、碰撞和材质反馈。Wayve的GAIA-1模型，可以在几秒钟内生成暴雨中车辆侧滑、路边树木突然倒伏等极端场景，用于训练自动驾驶的应对能力。这些用算法“编造”的体验，正成为物理大脑最重要的养料。

跨越仿真到现实的鸿沟，依旧是一场苦战
然而合成数据也有软肋。在完美渲染的虚拟街景里训练出的模型，一旦放到真实世界，常常会因为光影、纹理的微小偏差而误判。这就是著名的“仿真到现实”（Sim-to-Real）鸿沟。研究者不得不使用领域随机化等手段，故意在虚拟画面中加入噪声、改变色调，逼迫模型学会不依赖表面细节，而抓住物理本质。这就像让一个在无菌病房长大的孩子，突然去逛嘈杂的菜市场，必须刻意制造混乱才能让他具备免疫力。

三、仿真世界：让AI在数字宇宙中加速修炼

把街道、工厂和气流都搬进显卡
针对特定场景，高保真仿真引擎给出了更极致的解法。特斯拉构建了基于真实道路数据的3D环境，让自动驾驶系统在里面不间断地经历错道、加塞和“鬼探头”。每秒钟能并行运行数以万计的虚拟车辆，积累的经验远远超过所有真实车队的总和。工业机器人领域，英伟达Isaac Sim能构建整座数字化工厂，机器臂在里面没日没夜地练习装配，走火入魔般把一件工件抓取数十万次，直到形成肌肉记忆般的物理直觉。这些仿真世界，相当于在数字宇宙里开了一间“时间屋”，用现实中不可能的速度催熟AI。

一秒万年，把灾难浓缩在发生的瞬间
仿真最致命的诱惑在于加速实验。一个海上风机叶片需要经受二十年台风考验，在仿真里只需几小时就能模拟完，并记录下每一条疲劳裂纹的萌生。过去做一次汽车碰撞模拟，计算机集群要算一周，而今世界模型直接学习物理场的演化规律，几秒钟给出近似结果。这种近乎“时间旅行”的能力，让试错成本无限趋近于零，也把物理大脑的进化周期压缩到了前所未有的程度。

四、向视频学习：互联网是最大的物理教材库

从海量非结构化视频里提炼物理直觉
合成与仿真再强，终究是人类设计出的规则。另一种思路是，直接让AI观看人类世界已经拍摄下来的无数影像。YouTube上每天新增的数百亿帧视频，记录了真实世界里物体的运动、液体的飞溅、材料的弯折，没有任何标注，却处处是物理规律的投影。UC伯克利的研究者曾让机器人观看大量人类倒水、切菜的视频，仅仅通过观察画面变化，就初步掌握了液体不灭、固体连续占据空间等常识。这就像给AI播放了一套无声的物理纪录片，让它自行摸索出万物运行的底层密码。

无需标注的自监督学习，看多了自然就懂
这种学习方式的核心是预测下一个画面。模型观看一段水杯被打翻的视频，前几帧是杯子倾斜，后几帧是液体流出，它被迫学习时空对应关系，从而构建出内在的物理表征。相比人工标注每一帧里的物体、速度、受力，这种自监督方法几乎是零成本的数据获取。不过，它的局限也很明显：互联网视频存在着大量剪辑、快放和特效，物理规律被严重破坏，模型必须学会分辨真假，否则就会把电影里的爆炸当成现实。

五、人类示范：用身体知识补上最后一公里

遥控操作，让机器窃取人类的本能
在很多精细动作上，无论仿真还是视频都难以传达那种微妙的力道和顺应性。这时，最直接的办法是让人戴上动作捕捉手套或握住力反馈手柄，亲自演示一遍如何插拔线束、如何翻转布料。人一次完美的演示，相当于给模型提供了一整条完整的状态-动作序列，其中包含了人脑在多年生活里形成的物理常识。这种方法在手术机器人、灵巧手操作等领域大放异彩。对比纯粹的强化学习，它在数据效率上提高了几个数量级，几十次演示就能让机器学会从前需要上万次试错才能掌握的技能。

从VR教室到真实产线，将经验无缝转移
现在，很多工厂开始用VR设备收集工人的操作数据。工人戴上头显，在虚拟产线上搬运重物、拧螺丝，每一个动作都被转化为六自由度力觉数据，直接喂给待训练的机器人模型。人类在此充当了物理大脑的“家教”，不仅教会动作，更把那种“这个方向阻力突然增大，该回旋一下”的直觉传递了出去。这种人机协同的数据生成模式，正在成为破解灵巧操作数据困境的最短路径。