人工智能的競爭版圖正經歷深刻變革，原本聚焦于大語言模型的科技巨頭們，如今紛紛將目光投向更具挑戰性的領域——能夠模擬現實物理世界的“世界模型”。在這場新一輪技術競賽中，馬斯克創立的xAI公司正以獨特路徑加速布局，與谷歌、meta等企業展開正面交鋒。

據權威財經媒體披露，xAI今年夏季從英偉達引入兩位世界模型領域資深專家，其研發方向直指通過海量視頻和機器人數據訓練模型，以掌握真實世界的物理規律。這種技術路徑與依賴文本輸入的傳統大語言模型形成鮮明對比，被視為人工智能從“數字世界”向“物理世界”跨越的關鍵突破。

谷歌近期發布的學術論文引發行業震動，其研發的視頻模型Veo 3展現出類似大語言模型的“涌現能力”。研究人員發現，通過“下一幀預測”訓練的視頻模型，無需專門編程即可自主完成物體分割、邊緣檢測等復雜任務，甚至能模擬工具使用方式。這種能力躍遷被類比為自然語言處理領域的GPT-3突破，預示著機器視覺可能迎來“通用模型時代”。

xAI的商業化布局已顯露端倪。知情人士透露，該公司計劃將世界模型率先應用于游戲領域，開發可交互的3D環境生成系統。馬斯克在社交平臺公開確認，將在明年年底前推出AI生成游戲，這項技術未來更可能延伸至機器人控制系統。為支撐這一戰略，xAI正在高薪招募圖像視頻生成專家，其“omni團隊”薪資最高達44萬美元，同時以時薪45-100美元招聘游戲導師訓練AI模型。

技術突破背后是嚴峻的現實挑戰。行業分析指出，構建世界模型面臨雙重困境：其一，訓練數據獲取成本高昂，真實世界的物理交互數據采集需要巨額投入；其二，單純技術進步未必能轉化為商業成功。知名游戲開發商Larian Studios的發行主管直言，AI無法解決行業根本問題，游戲產業更需要的是創新領導力和多樣化表達，而非單純依賴數學模型生成的內容。

盡管爭議不斷，xAI的強勢入局仍為行業注入新動能。谷歌研究人員提出的“幀鏈”理論，將視頻逐幀生成類比為語言模型的“思維鏈”，認為這種時空推理能力可能催生出具備自主決策能力的機器人系統。這場競賽的終極目標，不僅是爭奪下一代AI技術的主導權，更可能重新定義人類與數字物理世界的交互方式。