斯坦福大学AI科学家李飞飞于2026年6月4日发表文章，重新定义「世界模型」这一在AI领域被广泛使用却含义模糊的概念。她指出，当前被称为世界模型的系统实际上可分为三类：渲染器、模拟器和规划器，分别对应生成视觉画面、构建物理结构和输出行动指令的功能。这一分类基于部分可观测马尔可夫决策过程（POMDP）的经典框架，强调智能体在环境中通过感知与行动形成闭环的逻辑基础。

李飞飞强调，尽管渲染器在商业应用中最为成熟，如谷歌Genie 3和WorldLabs的RTFM系统，但其输出仅限于视觉合理性，并不保证物理准确性。相比之下，模拟器致力于构建几何、物理和动力学层面高度保真的世界表征，是机器人训练、自动驾驶测试和数字孪生等关键应用的技术支柱。然而，模拟器面临数据稀缺、模拟与现实差距、计算成本高等严峻挑战。

规划器则专注于在给定观测和目标的情况下决定下一步行动，是机器人自主决策的核心。尽管该方向受到大量资本关注，但目前仍局限于实验室环境。李飞飞创办的WorldLabs推出的Marble系统，首次将视觉渲染与物理模拟整合于同一模型，标志着向统一世界模型迈出第一步。她认为，随着三类能力的边界逐渐模糊，未来可能出现一个能自由切换输出模态的通用大模型，彻底改变机器与物理世界的交互方式。