板块 10 / 10

术语表 + 面试准备

术语表按主题分组，中英对照 + PM 够用的一句话解释（面试前每天扫一遍）。面试准备按五类题型给出「答题要点框架」——不要背本站答案，用框架组织你自己的经历。

1术语表（约 60 条）

🧠 世界模型核心

术语	英文	PM 够用的解释
世界模型	World Model	AI 内部的可计算世界模拟：给定当前状态与动作，预测世界接下来会怎样
世界模拟器	World Simulator	OpenAI 对 Sora 的定位用语：视频生成模型规模化后涌现出世界模拟能力（存在争议）
空间智能	Spatial Intelligence	李飞飞/World Labs 的叙事：AI 理解与创造三维空间的能力，语言智能之后的下一前沿
物理 AI	Physical AI	NVIDIA 的叙事：能与物理世界交互的 AI（机器人/自动驾驶），世界模型是其数据与训练基座
具身智能	Embodied AI / Embodiment	有身体（传感器+执行器）的智能体，通过与环境交互学习；世界模型的最大需求方
动作条件生成	Action-conditioned Generation	把「动作」作为输入的生成：按 W 键世界向前走——交互式世界模型的技术核心
潜动作	Latent Actions	Genie 的发明：从无按键标注的视频中自动推断出「隐形控制信号」
可提示的世界事件	Promptable World Events	Genie 3 功能：在实时交互中打字改变世界（让天下雨）——语言与交互的融合
模型预测控制	MPC (Model Predictive Control)	控制方法：用世界模型向前推演多种动作序列，选最优的执行（V-JEPA 2 用它做零样本规划）
零样本规划	Zero-shot Planning	没见过的环境/任务，不重新训练直接规划执行
Sim-to-Real Gap	Sim-to-Real Gap	仿真中训练的策略到真实世界的性能落差；世界模型的价值就是缩小它
长尾场景 / Corner Case	Corner Case	罕见但关键的场景（鬼探头/极端天气）；世界模型作为「数据工厂」批量制造它们
物体恒存性	Object Permanence	物体被遮挡后仍然存在——Sora 报告用它论证「涌现的世界理解」，也是视频模型最常翻车点
数字孪生	Digital Twin	物理实体/系统的实时数字镜像（工厂/城市）；世界模型是「可预测的数字孪生」

🎬 生成式基础与视频生成

术语	英文	PM 够用的解释
Transformer / 注意力	Transformer / Attention	现代生成模型的公共骨架；注意力=处理每个元素时动态决定参考哪些其他元素
扩散模型	Diffusion Model	从噪声逐步去噪生成内容的范式；「抽卡」随机性的来源
去噪扩散概率模型	DDPM	扩散模型的奠基之作（2020）
潜空间扩散	Latent Diffusion (LDM)	先压缩到潜空间再去噪，省算力；Stable Diffusion 与几乎所有视频模型的基础
扩散 Transformer	DiT	用 Transformer 做扩散骨架；Sora 采用后成为视频生成标配架构
时空 patch	Spacetime Patches	Sora 把视频切成三维小块当 token，从而支持任意分辨率/时长/宽高比
自回归	Autoregressive (AR)	逐元素预测下一个（LLM 逐 token、交互世界模型逐帧）；实时交互的前提
流匹配	Flow Matching	扩散的加速训练/采样框架（学「噪声→数据」的流场）；GAIA-2、Cosmos 等在用
VAE / 分词器	VAE / Tokenizer	把图像视频压缩成潜表示的编解码器；视频模型的「压缩前端」
图生视频 / 文生视频 / 视频生视频	I2V / T2V / V2V	按输入模态划分的产品形态；V2V 即指令式视频编辑（Aleph）的技术类别
一致性	Consistency	统称四类：时序一致（帧间不闪）、角色一致（脸不变）、场景/世界一致（跨镜头环境不变，Runway Gen-4 卖点）、多视角一致（换机位不崩）
可用率	Usability Rate	生成结果可直接使用的比例；Seedance 2.0 宣称复杂场景 >90%（行业平均曾 <20%）——广告场景第一指标
音画同步 / 原生音频	Native Audio / Lip-sync	模型直接生成与画面同步的对白音效（Veo 3、Sora 2、Seedance 2.0 的竞赛点）
首尾帧控制	First/Last Frame Control	给定起始与结束画面让模型补中间——精确控制的核心工具（Veo 3.1 等支持）
关键帧控制	Keyframe Control	给多个关键画面让生成经过它们（Luma Ray3.2 支持 16 个）
蒸馏	Distillation	用大模型教小模型/多步教少步，降推理成本的主要手段
控制网络	ControlNet	给扩散模型加空间条件控制（边缘/深度/姿态）的插件式架构
抽卡	—（行业黑话）	反复生成碰运气；「终结抽卡」= 2025–2026 中国视频模型的产品主叙事

🧊 3D 与 XR

术语	英文	PM 够用的解释
神经辐射场	NeRF	用神经网络隐式编码场景，任意机位渲染逼真新视角；慢，已被 3DGS 大面积取代
3D 高斯泼溅	3D Gaussian Splatting (3DGS)	用几十万个彩色高斯椭球显式表示场景，实时渲染；当前 3D 世界模型的事实标准输出格式
新视角合成	Novel View Synthesis	从已拍画面生成没拍过的机位画面——「多视角生成」的学术名称
隐式 / 显式表示	Implicit / Explicit Representation	隐式=网络函数编码（NeRF/SDF）；显式=直接存几何（Mesh/点云/体素/3DGS）
网格 / 点云 / 体素	Mesh / Point Cloud / Voxel	三种显式几何：面片/点集合/三维像素
SDF 符号距离场	Signed Distance Field	隐式表示的一种：每点存「到表面的距离」
前馈式 3D 生成	Feed-forward 3D Generation	大模型一次推理直接出 3D（vs 每场景优化数小时）；Hunyuan3D/TRELLIS/Marble
摄影测量	Photogrammetry	从多张照片重建 3D 的传统技术；被神经方法升级
USD / glTF	USD / glTF	3D 资产交换格式：USD 是皮克斯/苹果/NVIDIA 推的工业协作标准（Omniverse 基础），glTF 是 Web/引擎通用格式
PBR 材质	PBR (Physically Based Rendering)	基于物理的渲染材质（金属度/粗糙度贴图）；「游戏可用资产」的标配
虚拟制片	Virtual Production	LED 墙+游戏引擎实时渲染拍片（《曼达洛人》工艺）；生成式 3D 场景的新出口
空间计算 / XR	Spatial Computing / XR	以三维空间为界面的计算范式（Vision Pro 话语体系）/ VR·AR·MR 总称

🤖 具身 / RL / 架构流派

术语	英文	PM 够用的解释
强化学习	RL (Reinforcement Learning)	智能体通过试错与奖励学习策略；世界模型让试错发生在「梦里」
智能体 / 环境 / 奖励	Agent / Environment / Reward	RL 三要素；世界模型扮演的就是「环境」的可学习替身
潜空间世界模型	Latent World Model	在压缩表征空间预测未来（Dreamer/JEPA 路线），省算力、样本效率高
JEPA 联合嵌入预测架构	Joint-Embedding Predictive Architecture	LeCun 路线：不生成像素，只预测抽象表征的未来；V-JEPA 2 / AdaJEPA / AMI Labs 的基础
VLA 模型	Vision-Language-Action Model	视觉-语言-动作一体的机器人大模型（Figure Helix、NVIDIA GR00T）；世界模型知识的「消费端」
世界基础模型	World Foundation Model (WFM)	NVIDIA Cosmos 的定位用语：可微调到各类物理 AI 任务的预训练世界模型
全模态模型	Omni Model	统一处理文/图/视频/音频/动作的单一模型（Cosmos 3、World Labs Atlas）；2026 年的架构趋势
混合 Transformer	Mixture-of-Transformers (MoT)	按模态分工的 Transformer 变体（Cosmos 3 架构）；与 MoE（专家混合）区分
神经游戏引擎	Neural Game Engine	用模型逐帧生成取代传统渲染管线（GameNGen/Oasis/Genie）
遥操作	Teleoperation	人操控机器人采集示教数据；具身数据最贵的采集方式
合成数据	Synthetic Data	由模型/仿真生成的训练数据；世界模型的核心商业产出物

2面试准备：五类题型 × 答题框架

题型一：技术理解类（筛掉不懂行的 PM）

Q：什么是世界模型？它和视频生成模型的区别？
要点：一句话定义（内部可计算模拟+预测动作后果）→ 区别在「可交互性与用途」（视频模型只读、世界模型可读写；生成画面 vs 支撑规划/仿真）→ 提 Sora 之争展示深度（OpenAI「涌现论」vs LeCun「像素浪费论」）→ 收在四大路线框架。
Q：NeRF 和 3DGS 的区别？为什么现在都用 3DGS？
要点：隐式函数 vs 显式高斯椭球 → 训练/渲染速度数量级差 → 可编辑可导出进引擎 → 补一句边界：Mesh 在物理交互上仍不可替代，Marble 同时导出两种格式。
Q：DiT 是什么？为什么 Sora 用它？
要点：扩散+Transformer → 时空 patch 统一 token 化 → 可 scaling（ Transformer 的规模定律红利）→ 顺带提注意力成本解释了长视频为什么贵。
Q：Genie 3 为什么重要？
要点：实时（24fps）+ 分钟级一致 + promptable events + 接入 SIMA 做 agent 训练场 → 三重身份（消费产品/研究平台/机器人驾校）→ 已随 AI Ultra 商业化，是交互世界模型第一个付费产品。

题型二：行业判断类（考格局观）

Q：你怎么看 Sora 关停？
要点：先给事实时间线（2024-02 预览 → 2025-09 Sora 2 爆红 → 2026-03 宣布关停）→ 三层归因：产品（社交形态无留存、创作者要工作流）、商业（推理成本 vs 订阅收入倒挂、迪士尼合作告吹）、战略（OpenAI 收缩聚焦）→ 你的结论：「Demo 指标 ≠ 生意指标；世界模型商业化的第一站是工作流与 B 端」→ 引用可灵 ARR 数据做正反对照。
Q：视频生成和世界模型，谁会赢？/ 你怎么看路线之争？
要点：四大路线各对应一个市场（内容/游戏/XR/机器人）→ 融合趋势（Cosmos 3、Atlas 全模态）→ 你的判断 + 论据（例：短期视频派变现、中期 3D 派吃工作流、长期看具身数据飞轮）→ 表明「押注取决于公司在哪个市场」的 PM 立场。
Q：中国团队（可灵/即梦）和硅谷的差距在哪？
要点：应用与商业化领先（可灵收入、迭代速度、性价比）vs 原创架构与交互世界模型落后（Genie 3 无对位产品）→ 数据生态差异（YouTube/Street View vs 抖音生态）→ 你的机会判断。
Q：世界模型会杀死游戏引擎吗？
要点：不会取代会融合（神经引擎的记忆/一致性问题 vs 引擎的确定性/物理/工具链）→ 3DGS 进 UE 已是「一等公民」→ 判断：「生成资产+引擎编排」是 3 年内主流形态。

题型三：产品设计类（现场出题）

Q：为我们设计一个面向影视创作者的世界模型产品。
要点：先问清（用户是谁/现有工作流/成功指标）→ 分层方案：素材层（3D 场景预演/分镜 animatic）+ 生成层（多镜头一致性）+ 编辑层（局部修改）+ 协作层（版本/团队）→ 北极星指标建议「成片可用率 × 周活跃项目数」→ 风险：版权/品牌安全/成本 → 主动关联你的剪映经验。
Q：设计一个打破 GUI 的创作交互。
要点：直接掏出你第 3 周做的构想 1 页纸 → 讲「控制信号五级阶梯」框架 → 例：世界时间线（素材=可进入的 3DGS 世界）或对话式导演+画布混合 → 强调你用 Agent 路由/canvas 上下文的经验背书。
Q：世界模型产品的 PMF 怎么验证？
要点：分场景定义「付费意愿信号」（广告=复购率/企业=POC 转合同/创作者=订阅留存）→ 警惕虚荣指标（生成量/下载量）→ Sora 案例反证 → 提出「可用率-留存-毛利」三角。

题型四：商业化类（你的主场，要打出满分）

Q：世界模型怎么赚钱？
要点：四层变现（订阅/API/研发合作/生态）各配 2026 真实案例与数字（可灵 ARR 近 5 亿美元、Veo API $0.05–0.60/秒、Autodesk 投 World Labs 2 亿、Project Genie 捆绑 $200+ 订阅）→ 成熟度排序（广告电商最先、具身仿真最远但单价最高）→ 成本结构视角收尾（推理成本决定定价设计）。
Q：订阅和 API 优先做哪个？
要点：不是二选一是飞轮顺序（C 端订阅养模型迭代与数据反馈 → API 放大规模 → 企业定制抬客单）→ 字节/快手路径对照 → 给出你为目标公司选的路径与理由。

题型五：个人叙事类（把背景翻译成岗位语言）

Q：你没有 3D/CV 背景，为什么能做世界模型 PM？
要点：承认差距 + 展示方法论（本站学习路径的证据：作品集/文章/实测报告）→ 翻译强项：CapCut 创作者洞察 = JD 场景①②的存量答案；Agent 策略路由 = 多模态意图分发经验；canvas 上下文管理 = 生成式画布产品经验 → 结尾：「世界模型 PM 稀缺的不是懂 NeRF 的人，是能把模型能力翻译成创作者价值并算清商业账的人」。
Q：为什么从剪映/CapCut 转世界模型方向？
要点：叙事线「工具 → 生成 → 世界」：你在剪映看到的是创作者需求从「剪得快」变成「生成得好」，下一步是「世界可进入」→ 主动提 Sora/可灵案例证明你跟踪行业 → 表达对这个岗位三大职责的具体兴趣点。
Q：讲一个你做过的 0-1 产品。
要点：STAR 结构 + 数据；结尾加一句「这个经验迁移到世界模型产品上是……」的桥接句（面试官要听迁移能力）。

🎯 反问环节清单（展示你的段位）

「团队现在押的是哪条世界模型路线——视频生成、3D 持久化还是实时交互？未来一年最想验证的假设是什么？」
「这个岗位的第一优先级是内容创作产品的 PMF，还是给仿真/XR 场景做能力输出？」
「模型团队和产品团队的协作界面怎么划？PM 对模型 roadmap 有多大的输入权？」
「商业化上，公司现在订阅、API、合作的收入占比和目标节奏是怎样的？」

✅ 最后一遍自检（面试当天早晨）

① 3 分钟世界模型讲稿 ✓ ② 格局图能默画 ✓ ③ Sora 复盘三层归因 ✓ ④ 四大路线+代表产品 ✓ ⑤ 五件套作品集可展示 ✓ ⑥ 三个反问 ✓ ⑦ 60 秒自我介绍（世界模型版）✓ ——全勾就上。