当 AI 不只预测下一个 token，而是试图预测你下一步会做什么——这条路线正在吸引真金白银。
发生了什么
据 TechCrunch 报道，42AI 结束隐身状态（out of stealth），同时公布 6250 万美元融资，并对外展示了一个“世界模型”（world model），其核心主张是能够预测人类行为，且强调在完全陌生的新情境下也能做出判断。报道用了一个颇具科幻色彩的设问来概括它：AI 能否在你本人做出决定之前，就知道你要做什么。
需要说明的是，目前公开信息仅停留在融资规模与能力定位层面，模型的具体架构、训练数据来源、评测方式和可用形态均未披露。因此对其能力的判断应保持克制。
为什么重要
“世界模型”这个词过去一年主要活跃在机器人与视频生成语境里：让模型学习物理规律、预测环境演化，从而支撑具身智能或更连贯的视频生成。42AI 的差异化在于把建模对象从“物”换成“人”——预测的是行为而非像素或关节角度。
这个转向有现实背景。一方面，大模型在语言与代码上的能力已相对饱和，行业在寻找下一个能力台阶，而“理解并预判人类意图”是智能体（agent）落地的关键瓶颈：一个只会响应的助手，和一个能提前准备、主动补位的助手，体验差距巨大。另一方面，行为预测本身有明确的需求侧——推荐、风控、交互式产品、仿真训练都需要它。
难点同样明显。人的行为不像抛球那样服从稳定方程，它受上下文、情绪、社会规范影响，且高度依赖个体差异；在“全新情境”下预测，本质上是在考验模型的泛化与常识推理，而非记忆历史模式。这也是为什么该公司的说法需要用后续的评测来验证。
影响与看点
对行业而言，如果这条路线成立，最直接受益的是自主智能体与交互式产品：智能体可以基于对用户下一步动作的预判来规划工具调用与多步流程，而不是每一步都等待指令。对企业软件和消费级助手，这意味着从“被动响应”向“主动服务”的产品形态迁移。
对开发者和研究者，值得盯住三个问题：一是评测标准——行为预测的准确率如何定义，在什么分布外条件下测量；二是数据合规——行为建模天然涉及个人数据，隐私边界会成为商业化的硬约束；三是它与现有 agent 框架的关系，是作为底层能力被调用，还是自成一套平台。
对普通用户，短期内更可能出现的是体验层面的变化：系统开始“猜你想干什么”，这既带来便利，也带来被过度预判的不适感。
一句判断：世界模型从物理走向行为，是叙事上顺理成章的一步，但行为预测的可验证性远低于视频生成，42AI 接下来最需要的不是更多融资故事，而是一份能被第三方复现的评测。
