從 Google、Meta，到聯合國，為什麼大家都開始研究 World Model？
如果你最近持續關注 AI，你可能會發現一個耐人尋味的現象。
Google DeepMind 在談 World Model。
Meta 發表 V-JEPA、V-JEPA 2，希望 AI 能夠理解物理世界，而不只是辨識影像。
李飛飛（Fei-Fei Li）成立了 World Labs，目標是打造能夠理解三維世界的 AI，而不是另一個聊天機器人。
Waymo 則持續利用世界模型（World Models）建立大規模模擬環境，讓自動駕駛系統能在虛擬世界中學習數十億公里的駕駛經驗，再將知識遷移到真實道路。
今年七月，一篇來自國際研究團隊的論文 《A Definition and Roadmap for World Models》 更直接指出：
World Models 已經成為人工智慧領域最熱門的研究方向之一，但目前仍缺乏一致性的定義，因此有必要建立共同的研究框架。
更值得注意的是，今年聯合國成立的 Independent International Scientific Panel on AI，在第一份全球 AI 科學評估報告中，也開始大量討論 AI 如何理解環境（Environment）、規劃（Planning）、模擬（Simulation）、自主代理（Agentic AI）以及治理（Governance），而不是只聚焦於大型語言模型（LLM）的能力。
當這些訊號同時出現時，我開始意識到：
AI 的下一場競賽，可能已經不是誰的模型比較大，而是誰更能理解世界。
AI 正在進入下一個時代
如果回頭看過去幾年的 AI 發展，你會發現每一年都有一個關鍵字。
2023 年，是大型語言模型（LLM）。
2024 年，是 RAG（Retrieval-Augmented Generation）。
2025 年，是 AI Agent。
而 2026 年開始，一個新的名詞開始頻繁出現在頂尖研究機構、大型科技公司與國際組織的報告裡：
World Model。
這並不是新的技術名詞。
事實上，「世界模型」最早可以追溯到人工智慧研究的早期，之後由 David Ha 與 Jürgen Schmidhuber 在 2018 年重新帶回 AI 社群的焦點。
真正讓它重新受到全球關注的人，是 Meta 首席 AI 科學家 Yann LeCun。
Yann LeCun：大型語言模型不是終點
2022 年，Yann LeCun 發表了一篇具有指標性的研究：
《A Path Towards Autonomous Machine Intelligence》
他提出一個相當具有爭議，但現在越來越多人開始接受的觀點：
大型語言模型並不足以通往真正的人工智慧。
原因很簡單。
大型語言模型非常擅長預測下一個字。
卻不知道：
球掉到地上會往哪裡滾。
門打開之後，人可能會怎麼走。
一個決策，會如何影響未來。
換句話說，它知道文字之間的關係，卻不一定理解世界真正運作的方式。
因此，LeCun 認為 AI 必須建立一個能夠模擬環境、預測未來、理解因果關係的 World Model，才能真正具備自主決策能力。
三年後，這個觀點已經不再只是學術理論。
Google、Meta 正在往同一個方向走
有趣的是，過去幾年彼此競爭最激烈的科技公司，如今卻開始朝著相同方向發展。
Google DeepMind 發布 Genie、Genie 2，希望 AI 能夠從影片中學會建立互動世界，而不是單純生成圖片或文字。
Meta 推出 V-JEPA 與 V-JEPA 2，讓 AI 能夠預測物體如何移動、事件如何發生，而不是只辨識畫面中的內容。
李飛飛創辦的 World Labs，更直接將使命定義為：
建立能夠理解、生成並推理三維世界的 AI。
這些產品看起來完全不同。
但其實都在回答同一個問題：
AI 能不能先理解世界，再採取行動？
這也是 World Model 的核心思想。
Waymo 告訴我們：理解世界，比理解語言更重要
如果說聊天機器人是理解語言，
那自動駕駛就是理解世界。
Waymo 不可能讓 AI 每犯一次錯，就真的撞一次車。
因此，它建立了龐大的模擬世界。
在虛擬世界裡：
可能有小孩突然衝出來。
可能有腳踏車逆向。
可能有暴雨。
可能有施工。
AI 必須先在世界模型中推演各種可能，再決定真正該怎麼做。
這其實就是世界模型最典型的應用。
AI 不只是回答問題。
而是：
預測未來。
聯合國開始關心的，不再只是 AI 有多聰明
真正讓我印象深刻的，其實不是 Google，也不是 Meta。
而是聯合國。
2026 年，聯合國成立 Independent International Scientific Panel on AI，發布第一份全球 AI 科學評估報告。
整份報告幾乎沒有討論哪一個模型比較強。
反而大量談論：
- Agentic AI
- Simulation
- Planning
- Environment
- Governance
- Evidence-based Evaluation
原因很簡單。
當 AI 開始具備自主能力之後，
真正重要的問題已經變成：
AI 是否理解它所處的世界？
以及：
人類如何治理這些 AI？
這是一個非常重要的轉折。
因為 AI 的焦點，已經開始從「能力（Capability）」逐漸轉向「理解（Understanding）」與「治理（Governance）」。
世界模型，不只是物理世界
很多人聽到 World Model，第一個想到的是：
自駕車。
機器人。
3D 世界。
但我認為，真正值得期待的是下一步。
如果 AI 可以理解：
球為什麼會滾動？
車子什麼時候會煞車？
那它是否也能理解：
主管的一句話，如何影響整個團隊？
一次績效面談，如何改變員工的工作態度？
一場衝突，如何逐漸演變成職場霸凌？
這些，其實都是另一種世界模型。
不是 Physical World。
而是 Social World。
不是理解物體。
而是理解人。
HR AI，也將迎來新的轉折點
這也是我一直認為 HR AI 即將發生巨大變化的原因。
過去，我們努力讓 AI 評估一個人的能力。
例如：
- 面試表現。
- 職能分數。
- 性格測驗。
- 績效結果。
但未來真正重要的，可能不是一個分數。
而是：
AI 是否理解：
這個人為什麼會做出這個決策？
他如何與主管互動？
如何與團隊合作？
在不同情境下，又會如何改變自己的行為？
如果 AI 能理解這些互動過程，而不是只評估最後的結果，那麼它就不再只是評分工具，而是真正能夠協助人才發展與決策的智慧系統。
下一個十年，AI 將從理解語言，走向理解世界
回頭看這幾年的 AI 發展，我們會發現一條非常清楚的脈絡。
過去十年，AI 最大的突破，是讓機器學會理解語言。
下一個十年，更大的挑戰，將是讓 AI 理解世界。
當 Google、Meta、Waymo、World Labs、Yann LeCun，以及聯合國，都開始朝著這個方向前進時，我相信，這已經不是另一個流行名詞，而是一場 AI 發展典範的轉移。
而對我而言，World Model 的真正價值，不只是讓 AI 更會開車、更會控制機器人，或更會操作電腦。
更重要的是，它讓我們開始思考：
AI 是否有可能真正理解「人」？
如果答案是肯定的，那麼未來 HR AI 的核心競爭力，將不再只是更準確地評分，而是建立一套能理解人、理解組織、理解互動的 Human World Model。
或許，這才是真正屬於 AI 下一個十年的開始。