每日人工智能资讯|告别盲目像素预测：PhiZero开创“物理语言”先河，让AI世界模型学会像人一样思考

在当前的大模型浪潮中，视频生成模型常常被视为通往具身智能的未来模拟器。然而，主流模型多采用像素空间的直接预测，容易在物理规律的稳定性和连贯性上出现偏差。针对这一行业痛点，研究团队近日正式推出了全新的物理世界模型PhiZero。该模型摒弃了传统的盲目预测套路，创新性地引入了“物理语言”概念，让AI在生成视频前先进行显式的物理推理。数智化转型网www.szhzxw.cn

作为核心创新，PhiZero提出了一种被称为“物理语言”的离散表征。该语言通过自监督学习方式，从海量野外视频中提炼出状态转移模式，捕捉不同视觉经验里的动态演化规律。在此基础上，模型构建了“先推理、后渲染”的创新架构:系统首先在物理语言空间内自回归地推断未来世界的演变轨迹，随后交由专用的扩散解码器将其渲染为高清视频。这种设计不仅将底层动力学推演与像素级合成分离开来，还大幅提升了模型在物理一致性上的表现。

在技术实现上，该系统分为分词器与推理器两大核心模块。其中，物理语言分词器利用转移级 Q-Former 捕获相邻状态变化，并结合有限标量量化机制生成紧凑的离散符号;扩散解码器则以首帧和离散符号为条件，恢复出细腻的视觉细节。而物理语言推理器则基于预训练视觉语言模型进行初始化，从首帧和文本动作意图出发，精准预测未来的物理语言序列。数智化转型网www.szhzxw.cn

多项基准测试结果表明，PhiZero在 Physics-IQ Verified、PhyGround 以及 WorldModelBench 等多个物理推理和视频生成评估中取得了领先成绩。无论是碰撞引起的物体位移、重力驱动的形变，还是复杂的连锁反应，模型均能展现出高度逼真的物理合理性。数智化转型网www.szhzxw.cn

随着具身智能与机器人技术的加速落地，PhiZero的问世为可控、可交互的世界建模开辟了全新路径，有望在长时程模拟与运动迁移等场景中发挥关键作用。数智化转型网www.szhzxw.cn

若您对人工智能感兴趣或为人工智能创始人，可添加数智化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数智化转型网小助手思思（17757154048，微信同号）

若您为人工智能服务商，可添加数智化转型网小助手Jasper，加入人工智能行业交流群。

声明：本文来自数智化转型网，版权归作者所有。文章内容仅代表作者独立观点，不代表数智化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。

本文由数智化转型网（www.szhzxw.cn）转载，编辑/翻译：数智化转型网（Professionalism Achieves Leadership 专业造就领导者）白龙