30,000个粒子。同样的三个方程。所有粒子都从距离同一个点不到0.00001的位置开始。

在最初的10秒里，它们看起来像一个单点。到了第12秒，它们已经遍布各处。

这正是物理AI讨论得不够充分的问题。

Genie 4刚刚发布。DeepMind称这是他们迄今为止最逼真、最具交互性的世界模型。世界模型是机器人、自动驾驶以及能够“理解物理”的AI背后的赌注。

但逼真和可预测并不是一回事。

一个世界模型可以让场景看起来符合物理规律。预测该场景实际上会如何发展则是另一个问题。现实世界中许多现象是非线性的：流体、天气、人群、机器人手中的摩擦与接触。在这些系统中，初始状态的微小误差不会保持微小，而是呈指数级增长。

这就是你正在看到的画面。这里的模型是完美的，方程是精确的。唯一的误差在于起始点，但它仍然占据了主导。

因此，无论多大的世界模型都无法永远预测混沌系统。更多的算力买来的是几秒钟的缓冲，而非确定性。

物理AI真正需要的是：

1. 知晓自身的预测视界。模型应清楚自己在多大程度上可以信赖其未来预测。

2. 反复观察。进行短期预测，并不断用新的观测数据进行校正。天气预报几十年来一直采用这种方式。机器人也应该如此。

3. 学习形态，而非路径。你无法预测单个粒子的确切位置。但你可以预测蝴蝶效应。即使单条轨迹不可预测，结构和统计规律仍然是可学习的。

物理AI的下一个飞跃将不是让模型看起来更逼真。

而是让模型知道它即将出错的时候。