引子：AI会写诗但不会倒水
一个惊人的事实：GPT-4能做USMLE考题超过90%的考生，但它不知道「往杯子里倒水」是什么意思。
它可以在文字中完美描述这个动作，但它不理解： - 水的物理性质（会洒、会溅、有
重量）：
- 倒水的因果关系（杯子倾斜→水流出来→杯子满了→停止）
- 异常情况的处理
（杯子破了怎么办）
这就是「世界模型」和「具身智能」要解决的问题。
17.1 什么是世界模型？
语言模型（如GPT-4） 世界模型理解范围 文字之间的逻辑关系 物理世界中的因果关系语言模型（如GPT-4） 世界模型训练数据 文本 文本+图像+视频+物理仿真核心能力 回答知识问题 预测物理世界会发生什么医生类比 读过所有医学教科书 上过手术台的医生医生能本能地理解：一个只看过手术图谱但没上过台的学生 vs 一个做了500台手术的主刀——前者有「语言模型」级别的理解，后者有「世界模型」级别的理解。
17.2 什么是具身智能？
纯软件AI（ChatGPT） 具身智能（Surgical Robot）
输出形式 文字 物理动作反馈来源 用户评价 物理传感器（力/位置/视觉）
犯错代价 文字错误，可撤回 物理动作，不可撤回核心挑战 知识准确 安全+精确+实时适应
17.3 为什么手术机器人需要世界模型？
当前最先进的手术机器人（如达芬奇、锟铻）本质上是遥控器——主刀医生操控机械臂，机器人精确执行。它们没有「理解」手术，只是「复制」手的动作。
有了世界模型的手 术机器人会怎样？
当前手术机器人 有世界模型的手术机器人医生告诉它「在这里截骨」，它照做它知道为什么在这里截骨、周围有哪些重要结构要避开完全依赖医生的决策 能提示「注意，此处距离腓总神经仅3mm」
遇到术前规划外的异常组织会继续按原计划 能识别异常并建议暂停或调整不能主动预警 实时监测力反馈+视觉+位置，异常时主动提醒
17.4 Sora与世界模型的关系
2024年OpenAI发布的Sora（文生视频模型）让所有人震惊——输入文字描述，输出一个逼真的视频。
但Sora的真正意义不是「做视频」，而是它隐含地学到了世界模型——它知道「咬一口苹果后，苹果上会留下咬痕」——理解因果关系它知道「一杯水倒下，水会往低处流」——理解物理规律它知道「球撞墙会弹回来」——理解碰撞动力学这些能力不是被编程的，而是从视频数据中「涌现」出来的。Sora证明了：通过对海量视频的学习，AI可以发展出对物理世界的初步理解。
17.5 具身智能在骨科中的未来场景
时间线 能力 说明现在（2026）手术机器人精确执行指令 达芬奇、锟铻的当前水平近期（2-3年）术中实时解剖结构识别+避让提示视觉+力反馈融合，AI辅助导航中期（5年） 基于世界模型的术前仿真+术中适应性调整AI预测不同截骨角度的生物力学后果远期（10年+）
部分操作步骤的自主执行（在医生监督下） 比如缝合、钻孔等标准化操作但：即使在最远的未来，手术的最终决策权和责任归属，永远是人类医生。
17.6 物理AI与生物力学的交汇
对骨科来说，世界模型有一个独特价值：生物力学仿真。
传统生物力学分析（有限元分析）需要：
- 建立3D模型（几小时到几天）
- 设定边
界条件和载荷：
- 运行仿真（几分钟到几小时）
- 分析结果
有世界模型的AI可能做到：
- 导入CT数据
- AI自动建立物理模型
- 实时预测不同
截骨/假体方案下的应力分布 4. 秒级给出最优方案建议这对个性化关节置换和畸形矫正的意义是革命性的。
17.7 本章小结
| 要点 | 一句话 |
|---|---|
| 世界模型 | AI对物理世界运行规律的内部理解 |
| 具身智能 | 有物理身体的AI，能将感知转为行动 |
| 与手术机器人的关系 | 从「遥控器」到「智能辅助」，但不是「自主决策」 |
| Sora的意义 | 证明视频学习可以涌现物理世界理解 |
| 骨科未来 | 生物力学实时仿真+个性化手术规划 |
| 绝对红线 | 手术决策永远在人类医生手里 |
下一章：词源小词典——一口气拆解30个AI核心术语的词源。这是你建立「AI语感」的钥匙。