神雕侠侣古天乐版

B |

图自 Windows Blog放在几年前，这基本算是做梦。毕竟按照当年「安迪给的，比尔拿走」定律来看，一直是硬件规格有多高， Windows 就吃掉多少——8GB 早就被当成入门配置扫进了历史的角落，微软主推的 Windows 11 AI+ PC，也从一开始就把内存门槛定在了 16GB。    7 月的上海，世博展览馆 H3 馆的过道比往年拥挤许多。可现实上演了一出回马枪。

C |          入口处停着宇树的载人变形机甲 GD01，观众排队坐进驾驶舱拍照。往里走，300 多台机器人真机散在 200 多家具身智能企业的展台之间，具身智能无疑是这届 WAIC 最具象的展品。

D | 而视频生成公司的展台就设在机器人公司隔壁，播放演示片的屏幕连成片：机械臂倒水，无人机穿林，虚拟角色转身。AI 的爆发让数据中心疯狂囤积内存，颗粒价格一路上涨，成本压力顺着供应链传到每一台 PC 上。而那个被无数 Windows 用户抱怨的问题，再次摆到了台面上：臃肿的 Windows，是不是 AI PC 路上的绊脚石？

吞掉右 Ctrl 的 Copilot 键傲慢｜你一直在给 Windows 擦屁股Windows 长久以来存在的最大误判，就是默认处理器会越来越快，内存不够用户自然会加，再不济就换台新电脑。

E | 在这套逻辑下，Windows 对自身的内存开销比较宽容。后台服务和框架越积越多，内存占用也跟着上涨，反正更强的硬件总能把这些问题暂时盖过去。         不同公司的讲解员说着高度趋同的话：都在讲具身智能，都在讲世界模型。

F |          图：WAIC 2026 现场，宇树科技展台（来源：新蓝网）          穿梭在展台之间的投资人，面对诸多公司同样问着高度趋同的一套问题，核心聚焦在模型到底什么水平。

G | 但得到的答案却分别指向不同的东西。但 AI 出现以后，多出来的硬件资源不再只属于传统应用。过去新增的内存能让浏览器多开几十个标签页，现在越来越多本地 AI 功能还要加载模型、维护索引，并持续处理来自屏幕和摄像头的数据。

H | 有人打开手机展示 VBench 排名，有人调出 RoboTwin 2.0 的任务成功率曲线，有人谈仿真到真机的迁移数据。同一个词，在不同的展台上被不同的数字定义。Windows 那些曾经无关痛痒的基础开销，也开始直接挤压 AI 的运行空间。微软直到此时才重新审视 8GB 设备，更像是硬件增长已经无法继续替系统掩盖浪费。暴食｜没有节制的加法就是负担硬件长期承担善后，也养出了 Windows 不断做加法的习惯。微软此次优化的对象横跨内存分配器、WinUI 3、Chromium 和 WebView2，从底层资源分配一直延伸到界面框架和网页运行环境。         当具身智能与世界模型成为显学，榜单便不再只是技术社区的内部排名，而成了行业理解技术路线的入口，在某种程度上，更成了话语权本身。         一张拼图，三个榜单          2026 年以来，具身智能和世界模型几乎成了 AI 圈最热的两个词。可问题早已超出某个单独组件，更像是整套系统长期缺少统一资源约束后的结果。         技术圈在讨论，视频模型到底能不能成为机器理解物理世界的路径。资本圈在讨论，下一代 AI 公司，能不能从“会说话的模型”走向“会理解、会预测、会行动的模型”。

I |

图自 DotNetBrowser单独拎出来看，每一层都有自己的正当理由。

J | 媒体圈的问题则更清晰、直白，当“世界模型公司”越来越多，到底该怎么看谁更强？          然而时至今日，世界模型依旧没有一个统一的定义和衡量标准。WinUI 3 是为了现代化的界面体验，Chromium 是为了网页兼容和开发一致性，旧框架是为了让历史应用和企业软件继续跑下去。麻烦在于每一层都「存在即合理」，又缺少统一的收缩机制去约束，于是各层在各自的目标下不断扩张，最后叠加成整个系统的负担。

K | 传统 PC 还能靠硬件升级稀释冗余，但 AI PC 要把大量内存留给模型权重、上下文和常驻 Agent。

L | 微软如今重新优化 8GB 设备，也说明 Windows 的基础开销仍有不小的压缩空间，只是过去没有足够大的压力推动微软处理。懒惰｜兼容，Windows 最重的包袱如果说暴食来自不断增加功能，懒惰则体现在旧东西几乎不怎么「打理」。Windows 主打兼容性优先，这也导致旧接口和运行环境退出得很慢，新旧体系时常并存。

M | 为了兼容几十年前的软件或企业系统，甚至是特殊外设的驱动，Windows 都保留了好几套不同年代的接口与运行环境。这套兼容性确实是它最重要的生态地基，让大量行业系统几十年都能跑在同一个平台上。         落到具体的评测上，世界模型目前还不是一种单一分数就能概括的能力，它更像一张尚未完成的拼图：视频质量、指令理解、时序一致性、物理规律、机器人执行、动作预测，每一项能力背后都站着一张榜单和一群拥趸。

N | 但兼容能力后来逐渐变成了一项没有明确边界的义务。最经典的例子就是控制面板至今没有被新设置完全取代，很多功能只能让两套入口长期并存。         那么，具身智能和世界模型到底该看哪些榜单？把这张拼图拆开，有三块版图绕不开：一张回答"像不像"，一张回答"懂不懂"，一张回答"动不动得了"。看懂它们，比看懂任何一场发布会都更接近行业的真实进度。还有一块回答"准不准"，它是整张拼图的底座，值得单独一章。部分界面的入口看似越来越现代，但一旦深挖几层，照样能翻出十几年前的逻辑和窗口体系。         VBench：回答"像不像"          VBench 是目前视频生成领域最常用的评测体系之一，由南洋理工大学 S-Lab、上海人工智能实验室 OpenGVLab 等机构推出。

图自 Tom's GuideWindows 的懒惰不在于它什么都没做，恰恰相反，它做了太多加法，却始终不愿承担做减法的代价。它从主体一致性、背景一致性、运动流畅度、美学质量等 16 个维度评价生成视频。         它回答的问题很直接：模型生成的视频，像不像真实世界，是否符合用户输入。         在 VBench 1.0 认证榜中，头部模型集中在 84 分到 88 分之间，差距已经很小。于是 VBench 在 2025 年推出 2.0 版本，将评测范围扩展到人类保真、物理、可控性、常识等维度，开始关注那些决定真实感、却容易被忽略的问题。         根据其 HuggingFace 官方榜单的认证视图，主要名次如下：          图：VBench-2.0 榜单：Veo 3 以 66.72% 居首（来源：HuggingFace Vchitect/VBench_Leaderboard，2026 年 7 月截图）          但 VBench 仍主要评价视频结果。传统桌面环境还能容忍这种结构，可 AI PC 还要处理 CPU、GPU 与 NPU 之间更频繁的任务调度，同时为本地模型和后台 AI 功能分配资源。旧规则保留得越多，统一管理的难度就越高。贪婪｜甩不掉的微软全家桶Windows 的臃肿也不能全部归咎于历史兼容。画面可以逼真，模型却未必理解画面背后的规律。

o |          WorldModelBench：回答"懂不懂"          如果视频生成模型被称为“世界模型”，它就需要接受更严格的检验。         2025 年，来自 UC Berkeley、UC San Diego、NVIDIA 和 MIT 的研究者推出 WorldModelBench，把模型放进物理和常识环境中测试。今天的 Windows 早已不是一套操作系统，更像是微软账户带着 Edge 和 OneDrive，再拉上 Microsoft 365 与 Xbox 一起挤进来的全家桶入口。         该评测覆盖机器人、驾驶、工业、人类活动等 7 大领域，包含 350 条提示词和 6.7 万条人工标注，从指令遵循、物理规律、常识三个维度打分。

p | 其中物理遵循占总分一半。

q | 这些组件既承担具体功能，也关乎着微软在系统生态的分发入口。因此是否能够彻底移除，自然不只是一个技术问题。不仅如此，OEM 厂商还要在这层基础上继续「装修」，从更新工具到电源管理，到驱动面板和各类预装软件，能加进系统的通通给你满上，主打一个「加加加加到厌倦」。原因很简单：世界模型最重要的能力之一，是预测物体在真实世界中会如何变化。

r |

联想桌面助手于是就形成了一个解不开的死结：历史兼容让旧东西搬不走，商业扩张又让新模块不断住进来，系统只能持续膨胀。微软若想让 AI Agent 成为统一的任务入口，来负责调动应用和系统能力，就得先处理 Windows 内部大量彼此独立的服务与权限体系。依赖｜技术捷径是最大的拖累让 Windows 变沉的，还有微软越来越依赖的网页技术。Windows 不少更新的功能都一定程度上使用了 WebView2。

s |          结果显示，即使表现最好的模型，也只有 61% 的视频正确完成指令；12% 的视频违反质量守恒，11% 出现物体互相穿透。而 WebView2 使用基于 Chromium 的 Microsoft Edge 渲染引擎，让开发团队能够复用 HTML、CSS 和 JavaScript，以此降低界面开发成本，也方便快速更新。

t |          模型能生成一个看起来合理的世界，但距离真正理解世界，还有明显距离。         图：WorldModelBench 官网榜单（来源：worldmodelbench-team.github.io，2026 年 7 月截图）          RoboTwin 2.0：回答"动不动得了"          世界模型终究要服务于行动，再往拼图下游走一格，机器人能否干活便成了一个很重要的维度。         RoboTwin 2.0 由上海交大 ScaleLab 与港大 MMLab 主导、上海人工智能实验室参与。工程效率是提高了，资源纪律却没有同步跟上。它包含 50 个双臂协同操作任务，抓取交接、工具使用、可形变物体操作，跑在 SAPIEN 仿真器上，支持 Aloha-AgileX、ARX-X5、Piper、Franka、UR5 共 5 种双臂本体，配套一个 731 个实例、147 个类别的物体库，通过 Easy 和 Hard 两种环境，测试机器人能否从仿真走向更复杂的真实世界。

图自 Windows LatestWebView2 的运行时本身可以由多个应用共享，但不同应用仍可能各自建立浏览器进程、渲染进程、页面状态和用户数据环境。

u |          早期结果显示，在 Hard 设定下，多数方法成功率仍低于 20%。应用数量增加后，这些彼此隔离的活动进程仍会叠加内存与后台开销。微软持续优化 Chromium 和 WebView2 的内存与启动成本，已经说明问题不能只归咎于某个应用写得差，更需要思考如何统一和规范分散的资源使用方式。嫉妒｜什么都想要，什么都不行微软当然也希望 Windows 能像 macOS 一样，把处理器、系统、开发工具和应用生态，都打包进同一套协同体验里，更希望 AI+ PC 能拿出接近 MacBook 的软硬件配合。机器人能够完成特定任务，但距离稳定、泛化地完成任务还有很长距离。         图：RoboTwin 2.0 官方榜单（来源：robotwin-platform.github.io，2026 年 7 月截图）          三张榜单，三种能力，各自有发布机构和评分体系。Windows 却很难照搬苹果的路线。

v | 没有一张榜单能独自定义世界模型，放在一起，他们才勾勒出一条从生成、理解到行动的能力链。

w | 但这个链条还缺少一个最关键的环节。         Physics-IQ：回答"准不准"          人类做很多动作时，会下意识在脑中预演结果。推一下杯子，它会滑多远，会不会翻倒；倾斜水壶，水会从哪里流出来；把两块磁铁靠近，它们会吸住还是弹开。

图自 Tom's Guide苹果能够控制硬件型号数量，同时统一产品的处理器架构和开发工具，甚至敢给旧架构设定明确的退出时间。         机器人也需要这种能力。它必须根据眼前的状态，预测几秒后会发生什么，再决定下一步动作。视频世界模型经常在这里犯错。这类预测如果不准，后面的规划和执行都无从谈起。微软可以通过 Prism 承接传统 x86 和 x64 应用，但驱动与内核组件仍然需要原生 Arm64 支持。         测量这一底座能力的基准叫 Physics-IQ，由 Google DeepMind 与 INSAIT 联合推出，论文发表于 WACV 2026。换而言之，应用能够依靠转译过渡，特殊硬件却依然取决于厂商是否愿意重新开发驱动。

x | 微软既想获得新平台的协同效率，又不愿放弃开放生态、历史兼容和市场规模，最终只能同时承担两套模式的成本。         2026 年 6 月，原团队联合 Anates Labs 发布修正版 Physics-IQ Verified，修正了 57.6% 的样本标注问题，改用逐样本加权计分。         它的设计与前述榜单都不同：研究者真实拍摄了 66 个物理实验，覆盖固体力学、流体、光学、热力学、磁学五大类，每个实验 3 个机位、实拍 2 次，共 396 段 8 秒视频。

y | 模型只看前 3 秒，预测后 5 秒会发生什么，再与真实拍到的后续画面比对。长期犹豫也在削弱 Windows 曾经近乎垄断的优势。2021 年前后，Windows 在 StatCounter 全球桌面网页使用统计中的份额仍接近八成；到 2026 年 7 月，这个数字已经降至 71.18%。

z |

2021 年（上）、近 12 个月（下）以 StatCounter 的统计来看，Windows 仍有领先的地位，但友商的平台优势也在变强。苹果通过推动整条 Mac 产品线统一转向 M 系列芯片，完成了新一代硬件架构的迁移；而 Linux 则在开发工具和 AI 计算上继续扩张，并逐渐渗透到更多跨架构环境中。4 项指标合成一个 0 到 100 的 Physics-IQ 分数，并用同一场景两次实拍之间的差异做归一化：真实世界自己重拍一次都不会完全相同，模型的预测就被拿来和这种自然波动比较。

| Windows 每次在新架构和旧生态之间反复权衡，都会拉长自身迁移周期，也给其他平台留下吸引用户和开发者的时间。迁怒｜优化做不好，就让内存买单面对系统膨胀，微软过去最常见的处理方式，是提高硬件门槛。         Physics-IQ 考察的是更底层的问题，即这个模型是否真的理解物理。

| 这也正是图灵奖得主 Yann LeCun 多年来反复主张的观点，“AI 需要建立关于世界的内部模型，而不是只会生成内容”。他担任 Meta 首席科学家期间， Meta FAIR 便把 Physics-IQ 当作核心评测基准。

| 8GB 不够就推动 16GB，游戏和多任务吃紧就建议 32GB，ARM 兼容不完善就依靠更强的处理器和更高效的转译弥补。

|          然而翻开 Physics-IQ 的官方榜单，排在第一的却并非 Meta 的模型，也不是英伟达投入重金的Cosmos，而是一个中国的视频生成模型。         2025 年 4 月 21 日，Sand.ai 的 Magi-1 以 56.0% 的得分上榜登顶。今年 4 月，微软还在 Windows Learning Center 的游戏 PC 指南中，把 16GB 称为实际起点，并把 32GB 称为更省心的升级选择。这篇文章随后在 5 月初被删除；到了 8 月，另一篇把 32GB 称为重度玩家理想配置的旧指南，也被确认已经下线。微软没有解释原因，调整时间却很微妙。当时的榜首、Google 的 VideoPoet 只有 29.5%，Magi-1 几乎把这个数字翻了一倍。

图自 Windows Latest提高配置看起来顺理成章，但成本却要由 OEM 厂商和消费者承担。从那天算起，Magi-1 系在第一名的位置上坐了约 13 个月，中间只离开过三周。         这张表有三种读法。         看裸模型：前三名里有两个建立在 Magi-1 之上，Magi-1 的 56.0% 是 v2v 设定下的裸模型最高分，远高于 Sora 2 裸模型的 42.3%，Cosmos3-Super 裸模型的 59.7% 出自不同设定，两者不直接可比。              看增强系统：2026 年 5 月，英伟达最新发布的旗舰世界模型 Cosmos3-Super 加持 WMReward 后冲到 63.4%，短暂登顶约三周；6 月 17 日，基于 Magi-1 的增强系统以 64.5% 重回第一。AI 浪潮推高内存需求后，依赖硬件升级解决软件问题的方式开始不起效了。              图：Physics-IQ 官方榜单：Magi-1 系居首，Sora 2 裸模型 42.3%（来源：physics-iq.github.io，2026 年 7 月截图）          再看修正后的新榜：2026 年 6 月发布的 Verified 版本上，Magi-1 24B 增强版 58.2 分排第一、裸模型 48.4 分排第二，Cosmos3-Super i2v 39.5 分，Sora 2 只有 26.5 分。因为消费者花同样的钱，或许只能买到内存更小的电脑，微软也无法继续假设所有性能问题都能靠堆配置解决。在这样的背景下，系统层面的优化已不再是技术选择，更来自现实压力。微软愿意处理 Windows 的资源问题，当然值得肯定。

|               图：Physics-IQ Verified 修正榜（来源：physics-iq-verified.anates.ai，2026 年 7 月截图）          把两张榜单放在一起看，会出现一个反常识的画面。OpenAI 的 Sora 在 VBench 这类回答"像不像"的榜单上名次并不难看，到了 Physics-IQ 上，Sora 2 裸模型只有 42.3%，不足榜首 64.5% 的三分之二；Verified 新榜上只有 26.5 分，不及榜首 58.2 分的一半。但现在仍然无法确定，它准备真正移走多少历史负担，又有多少只是重新整理，好给 AI+ PC 腾出有限的运行空间。         生成得逼真，和预测得准确，被证明是两回事。         把视频生成做成"预测下一个词"          Magi-1 赢在哪里？论文给出的答案是架构选择。         当下主流的视频生成模型，Sora、Kling 等，走的都是扩散路线：一次性生成整段视频，所有帧同时去噪，彼此之间没有严格的时间先后。         而Magi-1 的做法更像语言模型预测下一个词：按时间顺序逐块生成，每块 24 帧，块内部用扩散去噪保证画质，块与块之间自回归衔接。回头看，Windows 的七宗罪最终争夺的都是同一批资源：内存、功耗、后台权限、开发资源，以及操作系统对整台电脑的控制权。通过 block-causal attention，后来的帧不会影响过去的帧，过去一旦被写下，就不再被影响。传统 PC 可以依靠更大的内存和更快的处理器，把很多系统层面的浪费「稀释」掉。

| 但 AI PC 的逻辑完全不同。

|          图：Magi-1 逐块自回归生成与块因果注意力示意（来源：SandAI-org/MAGI-1，arXiv:2505.13211）          这个架构天然更接近世界模型该做的事：根据世界的此刻，推演下一秒。

| 它还带来几个工程上的特征：支持流式生成，视频可以边生成边播放；理论上可以无限长地续写下去。

| 对世界模型而言，这意味着推演的时间跨度不受窗口限制，仿真可以一直进行，还可以逐块更换提示词，控制后续走向。

|          如果把关键词从“生成”换成“预测”，Magi-1 和 LeCun 主张的 JEPA 路线便有了一种理念上的深层呼应。模型需要驻留内存，持续维护上下文状态，还要在 CPU、GPU 和 NPU 之间频繁调度数据流。LeCun 在 2022 年发表立场论文《A Path Towards Autonomous Machine Intelligence》，提出 JEPA 架构：不在像素空间预测世界，而在表征空间预测，主动忽略那些不可预测的细节。这条路线后来长成一个家族：I-JEPA、V-JEPA，再到 2025 年的 V-JEPA 2，用百万小时视频训练，其衍生版本可以做零样本的机器人规划。

| 系统资源已经从随用随取的弹性池，转向被精确分配的常驻空间。

| 在这种结构下，系统自身哪怕多出一点基础开销，都会直接挤压 AI 的可用空间。

图自 How-To Geek但问题的关键在于，Windows 并没有一条可以「推倒重来」的路径。它必须在不破坏旧生态的前提下推进现代化改造——既要维持数十年积累的应用与驱动体系，又要承接本地模型、AI Agent 和跨处理器调度带来的新资源需求。         图：Yann LeCun 在 2026 年 6 月巴黎 VivaTech 演讲（来源：La Ecuación Digital）          一个在像素世界里逐块自回归，一个在表征空间里做预测，虽技术方案完全不同，但都指向同一个判断，即能够预测物理世界变化是世界模型的必要条件。         尺子一旦出现，叙事便有了边界          在WAIC 的论坛上，"世界模型"被反复提起。在双重约束下，Windows 的资源控制和平台迁移都不可避免地变得缓慢而保守。7 月 19 日的一场人形机器人与具身智能论坛，主题之一正是"标准体系不统一"。开幕当天有观察文章写道：通用世界模型正在成为人形机器人的新竞争壁垒。         竞争的坐标系确实在平移。

| 相比之下，其他操作系统同样有自己的历史包袱和生态限制，但很少有一个平台像 Windows 这样，同时承载如此复杂的历史兼容体系，开放硬件生态，商业分发入口，以及跨代架构迁移压力。当这些因素叠加在一起时，问题就不再是「优化得够不够好」，而是系统本身是否还能以足够快的速度，适应 AI PC 这种全新的计算范式。作者｜柯铭源编辑｜肖钦鹏、杜晨