🐼Pandaily•最新收集於 46m
PhiZero 賦予世界模型「物理語言」
💡PhiZero 將影片世界模型的 token 用量降低 175 倍，可能改變其推理與擴展方式。
⚡ 30-Second TL;DR
有什麼變化
PhiZero 以學習而來的離散物理語言進行中間推理。
為什麼重要
更精簡的表示方式可能讓影片世界模型更容易訓練、部署與擴展。若此方法能維持物理一致性，也可能改善具身 AI 系統的規劃與推理能力。
下一步行動
使用四秒影片，比較 PhiZero 的離散物理語言表示與你目前的影片 tokenizer 流程，測量 token 數量、物理一致性與生成品質。
誰應關注：Researchers & Academics
關鍵要點
- •PhiZero 以學習而來的離散物理語言進行中間推理。
- •模型完成抽象的物理推理後，才進一步生成影片。
- •表示四秒影片所需的 token 數量約減少 175 倍。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •PhiZero 由中國科學院自動化研究所（CASIA）團隊開發，旨在解決現有影片生成模型在處理長時序物理一致性時的計算效率瓶頸。
- •該模型引入了『物理語言』（Physical Language）概念，將連續的視覺訊號轉化為離散的符號序列，從而實現了類似於大型語言模型的推理過程。
- •透過先推理後生成的兩階段架構，PhiZero 顯著降低了對高維度像素空間的直接依賴，提升了模型對物體運動規律的理解能力。
- •研究顯示，PhiZero 在處理複雜物理交互（如碰撞、重力模擬）時，表現出比傳統端到端擴散模型更強的穩定性。
- •該技術架構為實現更低算力需求、更高精度的世界模型提供了新路徑，特別是在自動駕駛模擬與機器人訓練領域具有潛在應用價值。
📊 競品分析▸ Show
| 特性 | PhiZero (CASIA) | Sora (OpenAI) | Gen-3 Alpha (Runway) |
|---|---|---|---|
| 核心機制 | 離散物理語言推理 | 時空 Patch 擴散模型 | 多模態擴散模型 |
| 物理一致性 | 高（基於符號推理） | 中（基於數據擬合） | 中（基於數據擬合） |
| Token 效率 | 極高（壓縮 175 倍） | 低（像素級處理） | 中（潛空間處理） |
| 主要應用 | 物理模擬與推理 | 創意影片生成 | 創意影片生成 |
🛠️ 技術深入
- 採用兩階段生成架構：第一階段為物理推理引擎，第二階段為視覺解碼器。
- 物理語言層：將影片序列映射至離散的 Token 空間，這些 Token 代表了物體的狀態、運動向量與交互關係。
- 壓縮機制：利用物理符號化技術，將原始影片數據進行高度抽象化，從而實現 175 倍的 Token 數量削減。
- 推理過程：模型在潛在空間內執行物理規則模擬，確保生成的影片在時間軸上符合物理定律。
- 訓練數據：基於大規模物理模擬數據集與真實世界影片數據進行聯合訓練，以強化模型對物理規律的歸納能力。
🔮 前景展望AI analysis grounded in cited sources
物理語言模型將成為自動駕駛模擬器的標準架構。
其高效的推理能力與物理一致性保證，能大幅降低模擬複雜交通場景所需的計算成本。
影片生成模型的算力需求將在兩年內顯著下降。
PhiZero 的成功證明了透過離散物理表示法替代像素級處理，可實現數量級的效率提升。
⏳ 時間線
2026-07
中國科學院自動化研究所（CASIA）正式發表 PhiZero 研究成果。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗