Meta 推出「V-JEPA 2」世界模型AI：讓機器真正理解現實世界的物理規則

Meta（Facebook 母公司）在本週三宣布推出全新 AI 模型「V-JEPA 2」，主打能更精確理解三維空間與物體動態。這套模型是所謂的「世界模型」（world model），意即能仿照物理世界的邏輯，構建一套對現實的內在模擬架構，讓 AI 學習與思考方式更接近人類。

Meta 表示，V-JEPA 2 能理解如「球從桌上滾下會掉到地上」這種因果關係，甚至能推論視線之外的物體仍存在，並未「憑空消失」。這類能力對機器人與自駕車等須在現實中導航的裝置至關重要。

Meta 表示，V-JEPA 2 是為了幫助機器人與 AI 智慧代理（agent）在真實環境中「行動前先思考」而設計，這是邁向「進階機器智慧（Advanced Machine Intelligence, AMI）」的關鍵一步。

世界模型讓 AI 具備「物理直覺」

人類可以預測物體的移動與互動，例如知道網球拋上去會因重力落下、走在擁擠空間會自動閃避、打冰球時會滑向預測中的落點。這些判斷能力來自我們對世界的觀察與內在建模。

V-JEPA 2 就是為了模仿這種人類的「物理直覺」，並具備三大能力：

這套模型是在大量影片資料上訓練而成，幫助 AI 學習人與物之間的互動模式，例如物體如何移動、碰撞或反應。

Meta 指出，當 V-JEPA 2 被應用於自家實驗室的機器人時，這些機器人能夠完成如「伸手拿取物品」或「搬運並重新擺放物體」等任務，展現出其對未知物件與空間的適應能力。

與傳統依賴大量標註資料或影片訓練的模型不同，V-JEPA 2 採用在「潛在空間」（latent space）中進行推理的方式。這種方式不需具體影片影格來學習動作，而是抽象地理解物體如何互動、變化與回饋。

Meta 首席 AI 科學家楊立昆（Yann LeCun）在巴黎 Viva Tech 大會的影片演講中指出：「讓機器理解世界的物理結構，和理解語言是完全不同的任務。」他認為世界模型如同現實的「數位雙生體」，讓 AI 能預測自身行為的結果，並規劃達成任務的步驟。

Meta 執行長馬克・祖克柏（Mark Zuckerberg）一直視 AI 為公司發展的核心，而面對 OpenAI、Google、微軟等對手加速推進，他們也急需擁有獨特價值的 AI 技術，來鞏固競爭優勢。

在生成式 AI（如 ChatGPT 或 Google Gemini）帶起風潮後，業界對下一階段發展的想像已逐漸從「語言理解」轉向「現實理解」。這也讓「世界模型」成為 AI 社群討論的焦點。

例如，AI 大咖李飛飛去年創辦的 World Labs 成功募資 2.3 億美元（約新台幣 74 億元），正致力於開發能理解物理世界架構的大型世界模型（Large World Models）；Google DeepMind 則推出名為 Genie 的模型，可即時模擬遊戲與三維環境。

整體來看，世界模型的核心價值在於讓 AI 具備「內在物理邏輯」，而不只是語言模擬器。這或許正是下一波 AI 技術創新與應用落地的關鍵路徑。