PhiZero发布：引入“物理语言”开创AI世界模型新范式

在视频生成与具身智能领域，主流模型多依赖像素空间的直接预测，常导致物理连贯性不足。近日，研究团队正式推出世界模型 PhiZero，旨在解决这一行业痛点。该模型核心创新在于引入“物理语言”概念，让AI在像素渲染前先进行显式的物理推理，从而实现对物理规律的深度捕捉。

PhiZero采用了“先推理、后渲染”的创新架构。系统首先利用自监督学习提炼出的“物理语言”符号，在推理空间内自回归地推断未来的演变轨迹，随后交由专用的扩散解码器生成视频。这一分离式设计显著提升了物理一致性，使模型在碰撞、重力形变及复杂连锁反应等场景中表现出高度的逼真性。

技术层面，该模型由物理语言分词器和推理器两大模块构成。分词器通过转移级 Q-Former 捕获动态状态变化，而推理器则基于预训练视觉语言模型，根据首帧与文本指令进行轨迹预测。多项权威基准测试结果显示，PhiZero 在 Physics-IQ Verified 等评测中均名列前茅，为长时程模拟与复杂运动迁移应用提供了坚实基础。