這一點非常重要，它揭示了世界模型受限於內存容量不足，以及內存本身格式低效且成本高昂（視頻幀包含像素）。 理想的內存是什麼樣的呢？它本質上是一個場景圖（James Clark，1976！），以易於查詢和操作的方式，分層描述世界中所有對象及其屬性。 這正是核心論點的由來：理想的演化路徑是世界模型與引擎的融合，人工智能端提供海量的、鬆散組織的視聽和文本知識，而引擎則提供一致且可復現的數據表示和模擬。