这一点非常重要，它揭示了世界模型受限于内存容量不足，以及内存本身格式低效且成本高昂（视频帧包含像素）。 理想的内存是什么样的呢？它本质上是一个场景图（James Clark，1976！），以易于查询和操作的方式，分层描述世界中所有对象及其属性。 这正是核心论点的由来：理想的演化路径是世界模型与引擎的融合，人工智能端提供海量的、松散组织的视听和文本知识，而引擎则提供一致且可复现的数据表示和模拟。