两条独立主线:① 语言/智能体自改进;② 视觉/多模态/机器人感知。各自演进,最终在通用智能处整合。
世界模型统一 感知(视觉) + 预测(环境) + 行动(规划/控制) + 语言(LLM) → 物理 AI / 通用智能体。