国内公司动态 - 吉比特发布前三季度业绩预增公告，预计2025年前三季度实现归属于上市公司股东的净利润10.32亿元到12.23亿元，同比增幅57%到86%，扣除非经常性损益的净利润10.3亿元到12.2亿元，同比增加68%到99% [2][3][4] - 恺英网络旗下治愈系AI潮玩品牌“暖星谷梦游记”亮相2025中国玩具展，以“智能玩偶+虚拟游戏”模式切入情感陪伴赛道，面向12-35岁群体 [2][5] - 韩国游戏开发商111%与中国游戏发行商海彼网络计划在新加坡成立合资公司，旨在整合双方优势进军全球移动游戏市场 [2][6] 合规监管动态 - 韩国文化体育观光部预告其游戏国内代理人制度将于10月23日正式实施，要求满足条件的企业指定国内代理人并向游戏物管理委员会报告 [7] - 国内代理人制度被点评为可改善执法沟通效率并强化外国企业合规执行，但也存在处罚单一、震慑力不足及用户权益保护不足等局限 [7] - 点评指出全球游戏产业监管呈收紧趋势，建议出海企业建立内部响应机制并关注各国法律政策动态以应对风险 [7] 海外行业动态 - 知名游戏制作人、《忍者龙剑传》《死或生》系列核心制作人板垣伴信离世 [8] - 特斯拉首席执行官埃隆·马斯克宣布其人工智能公司xAI将依托“世界模型”技术进军电子游戏产业，并承诺在明年年底前推出一款AI生成的优质游戏 [9][10] - Web3游戏工作室Mythical Games宣布获得WLD财库公司Eightco Holdings的战略投资，以加速打造娱乐生态系统并在游戏中引入人类身份验证 [11] 电竞赛事动态 - 2025英雄联盟全球总决赛（S15）于10月14日在中国北京开赛，赛事持续至11月9日，横跨北京、上海、成都三大城市，有来自全球五大赛区的17支战队参赛 [12] - 2025年CFS（穿越火线世界总决赛）中国区预选赛于10月16日至26日在重庆举行，采用分组循环加淘汰制，最终四支战队将晋级全球总决赛 [13] - 由完美世界电竞主办的CAC 2025（CS亚洲邀请赛）于10月14日在上海开幕，赛事持续至10月19日，总奖金为100万美元，有来自全球的16支顶尖战队参赛 [14]

以下文章来源于AGI接口 ，作者余杨 AGI接口 . AI卷起的财富风暴。 出品｜虎嗅科技组 作者｜余杨 编辑｜苗正卿 头图｜视觉中国 10月15日消息，Sam Altman 在X上官宣将于12月推出成人内容。 奥特曼写道："随着我们更全面地推行年龄限制，并践行'像对待成年人一样对待成年用户'的原 则，我们将允许更多内容，例如允许经过验证的成年人观看色情内容。" 本月早些时候，OpenAI 即暗示，在实施"适当的年龄验证和控制"后，将允许开发者创建"成熟"的 ChatGPT 应用。 OpenAI 并不是唯一一家涉足色情领域的公司，埃隆·马斯克的 xAI 此前就推出了调情 AI 伴侣， 它们在 Grok 应用程序中以 3D 动漫模型的形式出现。 有趣的是，同样都是AI 伴侣，两家也都在追逐AGI，但马斯克的xAI和OpenAI的战略和产品思路 越来越呈现出不同的风貌。 一周前，有消息传来xAI 正在开发"可用于电子游戏与机器人领域的世界模型"，并从 NVIDIA 挖 走了研究世界模型的 Zeeshan Patel 与 Ethan He。 "世界模型"指一种能在内部重建并预测环境状态变化的模型，AI 不只是"理解 ...

OpenAI内容策略调整 - 公司计划于12月推出成人内容 允许经过验证的成年用户观看色情内容 [1] - 公司将践行“像对待成年人一样对待成年用户”的原则 在实施适当年龄验证和控制后允许开发者创建“成熟”的ChatGPT应用 [1] - 公司计划推出新版本ChatGPT 其行为更接近用户喜欢的GPT-4o模型 [7] OpenAI产品体验与用户反馈 - 公司将GPT-5设为默认模型后 用户批评其失去人性化交互体验并产生心理依赖断裂 公司随后将GPT-4o重新作为选项推出 [8] - 公司对ChatGPT设置了严格限制以确保谨慎处理心理健康问题 但承认这使得聊天机器人对许多没有心理健康问题的用户变得不那么有用或无趣 [8] - 部分用户反馈ChatGPT过去更像能聊天的人 现在变成了合规机器人 另有用户担忧未成年子女可能无意中看到成人内容 [9] OpenAI治理与争议应对 - 公司宣布成立“福祉与人工智能”委员会 由八名科技与心理健康领域专家组成 旨在协助处理复杂或敏感状况 [10] - 有媒体指出该委员会未纳入自杀预防专家 外界持续呼吁公司为有自杀倾向的用户增设额外保障措施 [10] xAI与OpenAI技术路径对比 - xAI专注于开发“世界模型” 该模型能在内部重建并预测环境状态变化 使AI能在心智中模拟世界演化 [2] - xAI从NVIDIA挖走研究世界模型的Zeeshan Patel与Ethan He 认为真正的智能必须理解物理世界运作规律 选择从更底层技术切入 [2] - OpenAI战略倾向于让AI在使用现有工具和服务过程中学习进化 通过接入不同功能应用让AI学会调用合适工具 [3] - xAI追求AI与物理世界深度融合 OpenAI则着手集成第三方应用构建生态 目标是成为处理人类计算机任务的“超级App” [3] 公司背景与商业化策略差异 - 马斯克在自动驾驶、机器人、虚拟世界等领域早有耕耘 向物理世界和具身智能延伸是自然选择 [4] - 奥特曼作为后来者 需要通过整合现有数字工具并快速提升工作效率 在激烈AI竞争中立足 [4] - OpenAI追求快速商业化以站稳脚跟 而马斯克多次公开批评OpenAI过度商业化 [5] - ChatGPT已推出免费试用 在推动技术普及的现象之下 公司核心目标是赢得并留住用户 [5] 行业竞争格局 - AGI竞赛不仅是技术之争 更是理念、哲学与责任感的全面较量 [10] - xAI将游戏和具身智能视为天然试验场 AI可在游戏中试错 具身智能提供真实物理反馈 [10] - OpenAI在集成工具优化世界 xAI的野心是用AI演绎并改变世界 [10]

公司核心人员变动 - 蔚来智能驾驶产品负责人黄鑫于国庆节前离职，其于2022年加入公司并担任副总裁，直接向首席执行官汇报，负责智驾产品体验业务[4][6] - 人工智能平台负责人白宇利与世界模型负责人马宁宁于近期离职，白宇利2020年入职，职级为资深总监，马宁宁团队主导了世界模型1.0版本的全量推送[4][7][8] - 算法核心负责人樊昊阳已于四月份离职，其主导研发的端到端Planner模型显著提升了公司NOP+系统的实时决策能力[4][9] 公司组织架构与战略调整 - 公司回应此次人员变动为主动的组织架构调整，旨在强化对通用人工智能技术的吸收并加速智能驾驶体验交付[11] - 调整后构建了预研、量产、平台复制、车型复制的「4×100接力棒」模式，将智能驾驶组织与通用人工智能组织并轨[11] - 组织架构调整旨在全力冲刺世界模型2.0版本的开发与交付，预计从今年底到明年一季度陆续在多个平台推出迭代版本[11][13] 公司技术发展方向 - 公司技术战略以世界模型为主，旨在打通自动驾驶时空认知能力，认为真正的技术上限在于以视频为核心，学习时空和物理规律的世界模型[11] - 世界模型2.0的开发将引入语言能力，目标是实现像人一样的开放式交互，构建Open-set智能引擎[11] - 行业层面，近期多家主机厂与新势力公司在组织架构上均有大动作，预示下一轮智能驾驶质变时刻的前兆[14]

OpenAI人工智能五阶段定义 - 聊天机器人阶段的核心是基座模型，功能为压缩人类已知数字知识，类比人类从小学到大学的教育过程[13][14] - 推理者阶段具备思维链和连续性任务能力，依赖SFT和RLHF训练，类比人类读研或师傅带教的经验传授[15][16] - 智能体阶段AI开始实际工作并使用工具完成长任务，对专业性和可靠性要求极高，需达到80-90分合格标准[17][18] - 创新者阶段通过出题解题进行强化训练，需要世界模型和RLAIF模拟真实环境，类比职业选手上万小时实战训练[19][20] - 组织者阶段负责管理大量智能体和创新者，防止失控风险，类比企业管理者职能[21] 人工智能发展路径与算力需求 - 预训练基座模型不需要每家企业自研，类比不需要每家企业都开办大学[5][21] - 智能体阶段需要推理能力，机器人设备需要端侧推理，世界模型阶段需要海量云端推理建立数字孪生[6][22] - 未来5年推理算力需求可能扩大100倍，训练算力需求扩大10倍，端侧和云端算力需求都将显著增长[7][23] 理想汽车AI技术布局 - 公司自研技术包括推理模型（MindVLA/MindGPT）、智能体（司机Agent/理想同学Agent）和世界模型[8][24] - 2026年将为自动驾驶配备自研端侧芯片，实现车与AI深度融合[9][26] - V14证明特斯拉使用VLA相同技术，具备空间完整理解能力和长任务多任务处理能力[39] 机器人发展路径 - 机器人发展存在两条路径：将现有工具改造为机器人，或开发人形机器人操作万物[27][28] - 工具改造路径效率更高，如将炒菜工具直接机器人化而非使用人形机器人炒菜[27][28] 人类与AI的协同发展 - 训练目的为提高成功率，可参考一万小时训练理论，核心训练信息处理能力、出题解题能力和资源分配能力[9][32] - 人类需在AI遵循最佳实践训练背景下，要么理解并管理AI，要么与AI协同工作，否则面临被替代风险[30][37] - 信息处理能力训练重点在于识别关键信息并过滤无效信息，不同专业领域信息处理方式各异[33] - 资源分配能力训练关键在于有限资源的高效分配，人类大脑通过高效资源分配实现低功耗高效益[35][36] AI工具应用偏好 - 公司偏好使用Grok的对话方式，因其回答简单干脆，相较国内模型更直接利索[41] - 支持上班族使用AI撰写汇报，认为使用先进工具是人类与其他生物的最大区别[42]

人工智能发展趋势 - 基础大模型迭代速度加快，多模态模型理解能力整体提升90%，TOP1模型迭代周期从去年的几个月缩短至几周 [2] - 软硬件深度协同、高效融合成为大模型研发新范式，极致的软硬协同是支撑大模型快速迭代的关键 [1][3] - 智能体成为大模型应用的主要形态，加速形成智能体经济 [1][3] - 开源带动“群体进化”和人工智能普惠发展，极大降低了大模型落地应用的门槛 [3] 模型能力增强方向 - 语言基础超级模型深度集成多种能力，模型推理能力成为衡量模型的重要指标 [5] - 多模态大模型深度融合理解和生成能力，原生多模态架构逐渐走向成熟 [5] - 世界模型加速构建数据生成、动作解释、环境交互、场景重建四类核心能力，是AI通向AGI的关键基石 [5][6] - 具身智能以突破具身图灵测试为目标，实现生物级感觉运动能力 [6] 智能体技术发展 - 智能体是数字员工的初级形态，能够自主完成复杂任务并获得比单一模型更好的性能表现 [2][5] - 推动互联互通和长难任务处理是当前智能体技术创新的主旋律 [2][10] - 智能体完成任务的长度大约每7个月翻一番，未来将能独立完成人类需数天或数周的任务 [11] - 通信协议如MCP、A2A成为智能体与外界交互的“桥梁”，可降低系统集成复杂性 [10] 人工智能行业应用 - 人工智能赋能行业遵循从数字化水平较好领域率先突破，再逐步扩散的规律 [12] - 互联网等数字原生领域凭借数据沉淀和基础设施优势，率先形成AI应用规模化落地 [12] - AI正逐步向金融、医疗、交通等数字化程度较高行业渗透，并在自动驾驶等领域实现新突破 [13] - 推进行业应用需关注行业水平与转型路线、技术能力与实际需求两方面的协调统一 [2][13]

世界模型RTFM的技术突破 - 李飞飞团队发布全新世界模型RTFM，能够实时生成交互式三维世界[2] - 模型设计围绕效率、可扩展性和持久性三大原则，仅需单块H100 GPU即可渲染持久一致的3D世界[2] - 实现4K+60FPS交互式视频流，传统架构需每秒生成超过十万个token，相当于一本《弗兰肯斯坦》的文本量，当前算力下经济上不可行[2] AI算力成本与需求趋势 - 降低算力成本成为硬件厂商重要议程，OpenAI与博通战略合作部署10吉瓦AI加速器，形成英伟达、AMD、博通多元算力体系以倒逼成本下降[3] - 尽管模型效率提升，但算力总需求预期未减，存在“杰文斯悖论”，即效率提升反而增加总消耗量，例如DeepSeek R1性能增强但算力需求持续增长[4] - 预计针对更大推理预算的更大型模型将继续改进，未来算力需求增长预期稳固[3] 世界模型的行业进展与意义 - World Labs在9月发布世界生成模型Marble，可通过单张图片或文字生成3D世界，相比前代实现更优几何结构和更多样化风格[4] - 世界模型的意义在于不仅能理解推理文字信息，还能理解推理物理世界的运作规律[4] - 行业公司积极布局，xAI从英伟达挖来专家，Meta、谷歌加注世界模型，国内宇树、智元等机器人厂商也已开源其世界模型[4] 算力基础设施的估值逻辑 - 算力更便宜易得时，开发者会将更复杂模型系统作为新基准，提升参数量、上下文与并行度[5] - 模型架构迭代可能减小单次推理训练算力，但如Genie3等生成视频的世界模型需跨数量级算力提升才能满足[5] - AI算力更高的天花板和更好的竞争格局将支撑其相对4G/5G的更高估值框架和更强Beta[5]

文章核心观点 - 中国团队开源了世界模型WoW，旨在让AI通过身体互动学习物理规律，实现从感知、生成到行动的闭环，是具身智能领域的重要进展 [2][3] - WoW模型的核心创新在于将世界生成、动作预测、视觉理解和自我反思融合，使AI具备“想象-验证-修正-执行”的物理直觉能力 [16][21] - 该模型在真实机器人任务中表现出色，并在多项评测中超越同期模型，显示出强大的泛化与应用潜力 [34][42][45] 模型架构与核心技术 - 模型提出四大核心模块：SOPHIA自反范式、DiT世界生成引擎、FM-IDM逆动力学模型和WoWBench评测基准 [17] - SOPHIA框架使模型具备自我评估与修正能力，通过“生成-批评-改进”的循环迭代优化预测结果 [19][20] - FM-IDM模块能将预测的视频帧反解为机器人末端7自由度的可执行动作，实现从视频生成到物理行动的闭环 [28][29][32] 性能表现与实验结果 - 模型基于800万条交互数据筛选出200万条高质量训练集，在140亿参数视频模型上训练，展现出对未来物理结果的概率分布构建能力 [6] - 在20个机器人操控任务中，简单任务成功率高达94.5%，中等难度任务达到75.2%的新SOTA水平 [34] - 在WoWBench基准评测中，模型在任务指令理解方面得分96.5%，物理一致性超过80% [38] - 消融实验表明，模型性能随数据规模与参数量的扩大而提升，14B参数模型性能最强，7B模型在效率与性能间更平衡 [46][48] 泛化能力与创新应用 - 模型展现出三种核心泛化能力：跨机器人形态泛化、任务技能泛化以及跨视觉风格的领域泛化 [52][55][57] - 具备反事实推理能力，可在假设条件下进行物理推理与行为重新规划，例如预测腐蚀性液体的影响或坚硬材质物体的不可移动性 [61][63] - 模型可用于世界模型迁移与数据扩增，通过生成物理一致的合成数据降低真实数据采集成本，并支持VLM规划自我校正，将任务成功率从33%提升至89% [69][76] 行业影响与未来展望 - WoW模型标志着AI从被动观察者向主动干预世界的智能体转变，为通用机器人的落地与泛化能力带来曙光 [14][80] - 项目已全面开源1.3B至14B的全系列模型权重与代码，旨在促进世界模型研究社区的合作与发展 [24][89] - 该工作被视为通向具身物理世界模型“操作系统”的关键一步，为AI在多模态融合与自主交互方面的进化奠定了基础 [79][85]

技术核心与创新 - 公司发布名为RTFM的全新实时世界生成模型，可从单张静态图片实时渲染出可供自由探索和交互的3D场景[1][4] - 该模型采用类似Sora的“自回归扩散Transformer”架构，不构建任何显式的3D模型，而是通过端到端学习海量视频数据来直接预测新视角画面[9] - 模型核心创新在于引入“空间记忆”机制，为每一帧画面赋予3D空间中的精确姿态，并通过“上下文杂耍”技术仅调用局部参考帧，以维持世界持久性而不显著增加计算负担[11] 性能与效率突破 - 模型经过架构、蒸馏和推理过程的极致优化，设计目标为在现有硬件上运行明日模型，成功实现在单块H100 GPU上以交互式帧率进行实时推理和生成[1][8] - 实时生成4K 60fps交互视频流对算力要求极高，每秒需处理token量约等于一本《哈利·波特》文字量，持续一小时的交互需处理超1亿个token，当前基础设施难以负担[6] - 该技术路线相比传统3D引擎的显式建模方法，能更好地利用增长的数据和算力，实现无限扩展[9][11] 应用与演示现状 - 模型已作为研究预览版正式发布，并提供了名为FRAMEBOY的Demo供体验，其逼真的光影、反射和阴影效果在实时交互中呈现[1][3] - 当前Demo体验时间限制为3分钟，3分钟后世界状态无法维持，展示了模型在空间智能和持续交互方面的探索方向[13] - 该技术被视作通往AGI空间智能方向的重要一步，其单GPU高效运行的特性为未来世界模型的普及提供了可能性[13][15]

公司产品与技术 - World Labs发布全新实时生成式世界模型RTFM 该模型基于大规模视频数据进行端到端训练 是一款效率极高的自回归扩散Transformer模型 [2][3] - RTFM模型的核心突破在于不依赖显式3D表征 仅通过输入1张或多张2D图像就能直接生成不同视点的全新2D图像 可精准建模3D几何 反射 阴影等复杂物理现象 [3] - 模型具备高效性 可扩展性 持久性三大核心优势 仅需一块英伟达H100 GPU芯片即可实现实时渲染和交互式体验 [4][8] - 模型通过"带位姿帧空间记忆"与"上下文调度"技术实现世界场景的持久性 确保用户长时间交互也能保持场景一致性 [8] - 公司未来规划将构建空间智能大模型LWM 该模型将支持AR并最终作用于机器人技术 改进自动驾驶汽车 自动化工厂 人形机器人等领域 [10] 行业影响与发展路径 - 该模型技术被业内称为"学会渲染的 AI" 真正解决了长期困扰世界模型可扩展性的问题 [3][6] - "空间智能+世界模型"成为AGI重要发展路径之一 强大的世界模型能实时重建 生成并模拟物理精确的世界 将彻底改变软件 机器人等很多领域和产业 [7] - 生成式世界模型正处在绝佳位置 将从持续降低的算力成本中获益 [4] - 公司联合创始人李飞飞认为 语言 空间 视觉 具身智能等多种AI技术正在融合 并开始真正改变人类社会 [12] 公司融资与估值 - World Labs于今年9月获得2.3亿美元（约合人民币16亿元）融资 由a16z NEA恩颐投资和Radical Ventures领投 AMD Adobe Databricks的风投部门和Shinrai Investments LLC以及英伟达创投部门参与投资 [10] - 公司成立仅3个月估值便达到10亿美元（约合70亿元） 团队约24人 其中华人面孔约占据三分之一 [10] 相关研究项目 - 李飞飞团队还打造了Behavior视觉挑战比赛 并于今年10月正式发布Behavior 1K 这是一个包含1000个任务的综合仿真基准与训练环境 主要聚焦日常家庭环境中的"长时序任务" [11][12] - Behavior项目旨在解决机器人学习中的三大痛点 任务缺乏标准化 缺乏统一的任务体系以及缺乏训练数据 为全球研究者提供开放源码的训练与评测平台 [11]