腾讯混元的郭春超谈世界模型，核心判断是：仅靠视频，很难真正进入游戏和工业化生产流程。这句话我觉得值得单拎出来说。
这阵子视频生成模型热度很高，很多人下意识把「能生成逼真视频」和「理解并模拟世界」画等号。但从教学和研究的角度看，这俩不是一回事。视频模型学的是像素上的时序统计规律，游戏和工业化生产要的是可控、可交互、物理一致、能被下游流程精确调用的表征，中间隔着不小的鸿沟。
这个提醒本身挺清醒的：观感上的以假乱真，和能不能嵌进真实生产管线，是两个问题。给学生讲生成模型时，这恰好是个能把「拟真」和「可用」掰开讲的好例子。有关注这块的同学，欢迎聊聊你们怎么看视频模型到世界模型这一步的距离。