在最近闭幕的2026世界人工智能大会（WAIC）上，“世界模型”成为场内外热议的关键词。目前，大多数视频生成模型仍在比拼影视创作能力，而业界前沿目光已转向一个更具挑战性的课题：为视频模型引入可物理交互的信号，让用户通过物理输入与模型进行互动。业内人士认为，世界与视频的关键区别在于世界可以进行实时物理交互，因此一个可物理交互的视频模型相当于创造了一个世界，也就是世界模型。