世界模型入口戰：字節向左，京東向右
世界模型正從學術研究的邊緣快速躍入商業戰場的核心，而圍繞這項技術的「入口之爭」也開始展現出截然不同的路徑選擇。根據業內觀察，字節跳動與京東兩家中國科技巨頭，在面對世界模型這張底牌時，分別走向了兩個極端：一個向左，深耕內容生態的即時智能；一個向右，紮入實體經濟的運算中樞。這兩條路線不僅反映出各自對世界模型本質的理解差異，更預示著未來數位世界與物理世界交融方式的多重可能性。世界模型之所以被視為下一代人機交互的關鍵入口，在於它超越了傳統感知層面的辨識與分類，開始嘗試建立對動態環境、因果關係與時間序列的全局理解。換句話說，世界模型不再只是「看見」畫面，而是試圖「理解」場景背後的行為邏輯與演化趨勢。
誰能率先打造出從感知到推理、從預測到決策的完整閉環，誰就有機會重新定義使用者與數位系統之間的基本連接模式。正因如此，字節與京東各自押注的戰略方向，堪稱一場關於「世界模型為什麼而服務」的觀念交鋒。字節跳動的路線，本質上是在既有流量高地之上，為內容生態注入一層更深層的認知引擎。這家公司向來擅長透過大規模用戶行為數據來驅動推薦演算法，而世界模型正好能將這種能力推向更高維度。透過強化模型對動態場景與用戶行為序列的預測能力，字節試圖讓推薦系統不只是猜你下一刻想滑什麼，而是理解你在特定情境下的情緒、動機與潛在需求。
與此同時，虛擬角色互動、短視頻自動創作、即時特效生成等場景，也都可能因世界模型的導入而變得更加智慧與自然。這條路徑極度依賴即時反饋與海量數據的閉環迭代，可以說是在現有使用者觸及之上，疊加一層能夠「推理」的底層架構。相比之下，京東的選擇則顯得更加務實且貼近物理世界。京東將世界模型視為供應鏈與實體場景數位化升級的關鍵工具，其應用場景聚焦於物流調度、倉儲模擬、庫存預測以及自動化設備間的協同作業。傳統的供應鏈系統往往依賴預設規則與歷史統計，難以應對真實世界中的隨機變數與因果鏈條。
而世界模型若能精準捕捉貨物移動、環境變化與設備運作之間的因果關係，就能從根本上優化配送路徑、減少庫存周轉天數，並提升倉庫內機器人與人員的協作效率。換句話說，京東試圖讓模型成為整個實體營運的「模擬中樞」，先用模型推演，再讓現實執行。這兩條路線的差異，本質上反映了兩家公司對「入口」的不同定義。對字節而言，入口是使用者的注意力與時間，世界模型的價值在於提升內容消費的沉浸感與黏著度，讓每一次滑動都更像一場與智能系統的對話。對京東而言，入口則是商品與服務的流通效率，世界模型的作用在於將供應鏈從被動反應轉向主動預測，讓每一個包裹的移動都更精準、更省時。
前者追求的是理解「人想要什麼」，後者追求的是理解「物該怎麼走」。值得注意的是，這兩條路徑並非互斥，卻在資源投入與技術堆疊上產生截然不同的優先級。字節需要極強的即時運算能力與龐大的用戶數據閉環，其技術壁壘建立在對人類行為模式的持續學習之上；京東則需要對物理世界的高精度模擬能力，包括三維場景重建、因果推理與多智能體協同，其壁壘來自於對真實供應鏈場景的深度滲透。業內分析人士指出，這兩種方向在短期內可能各自跑出不同的應用雛形，但長遠來看，真正具有統治力的世界模型，或許需要同時兼顧對人類行為與物理因果的雙重理解。不過，眼下這場入口戰仍在早期階段。
無論是字節還是京東，都尚未公開完整的技術架構或可量產的產品。業界普遍預期，未來一到兩年內，將能看到更多基於世界模型的具體應用落地，而這些應用的形態，將直接決定誰能真正拿下下一代交互的門票。可以確定的是，世界模型的競爭已經不僅是技術賽跑，更是一場關於場景選擇與商業哲學的較量。字節向左，京東向右，終點或許相同，但沿途的風景與挑戰，注定截然不同。
Related
相關文章
消息稱 Anthropic 低調建立生物實驗室，借 AI 推進藥學研究
作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。
阿里達摩院開源全球首個專家級通用醫療影像 AI 模型 DAMO RADAR：可一次性識別超 146 種病症，成果登《科學》
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。
零樣本幹活！Figure 機器人走進 30 個陌生家庭，整理客廳、折毛巾、鋪床
AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。
AGI最難一戰，竟在醫院！中國AI登上Science，醫生不怕失業還催著上線
。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。
AGI最難一戰，竟在醫院，中國AI登上Science，醫生不怕失業還催著上線
我没办法凭这条标题写出符合要求的完整新闻稿,原因很直接: 现有"可用资料"其实只有一行标题,正文是空的。后面的内容全是的侧边栏推荐和网站导航(Anthropic华人、Manus估值、腾讯投资药企等),跟这条新闻没有关系。 如果硬写 900–1600 字,我就得自己编造这些关键事实: 是哪个团队、哪家医院、哪篇 Science 论文 论文的具体方法和结果数据 医生"催着上线"的具体场景和原话 这些一旦写出来就是假新闻,我不做这个。
AI製藥獨角獸Anew單飛，字節推了一把“最燒錢的慢生意”
Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。