当前所有世界模型，最根本的分叉在一个问题上：世界模型要「重建什么」？这一问决定了数据需求、泛化能力、可解释性三大属性。
| 分野 | 像素重建派（生成式） | 隐空间预测派（JEPA 系） |
|---|---|---|
| 核心问题 | 像素会怎么变（重建原始感官） | 与任务有关的状态会怎么变（预测抽象表征） |
| 代表 | Sora、Genie 2/3、GAIA-1 | I-JEPA/V-JEPA、Cog-WM 1.0、Z-MAX 状态空间 |
| 数据需求 | 高（需海量视频） | 低（隐空间学习目标小） |
| 泛化 | 靠数据堆叠外推 | 靠机制复用（结构分离） |
| 可解释性 | 弱（黑盒生成） | 强（可归因机制） |
| 代价 | 算力/参数量大 | 架构设计复杂 |
代表：OpenAI Sora、Google DeepMind Genie 2/3、Wayve GAIA-1。机制：从海量视频学习世界规律，逐帧生成未来像素。Genie 系进一步从视频反推出可交互世界。优势：渲染逼真、任务通用。短板：算力/数据需求巨大，物理一致性靠规模「涌现」，缺乏可归因机制。
代表：Meta I-JEPA / V-JEPA、具脑磐石 Cog-WM 1.0、Z-MAX 状态空间。机制：联合嵌入预测架构——在抽象隐空间预测「未来表征」而非重建像素，配合时空记忆、多层级预测。优势：低数据、高泛化、可归因。短板：表征设计需工程沉淀。
代表：Physical Intelligence π0 / π0.5、Diffusion Policy、Flow-Matching DiT。机制：在动作空间做扩散或流匹配，把动作生成建模为去噪/输运过程。优势：多模态表达、动作平滑、长程任务强。短板：仍是「学映射」而非「学世界规律」，跨域泛化受限。
代表：Google RT-1/RT-2、OpenVLA、smolvla。机制：视觉-语言-动作统一到单一模型，语言指令直接驱动动作 token。优势：指令跟随、零样本任务泛化。短板：依赖大规模跨本体数据，精密物理操作仍需世界模型补足。
代表：DeepMind Dreamer / DreamerV3、MuZero。机制：学习环境的转移模型（世界模型），在隐空间里做规划/想象，用价值函数引导。优势：样本效率高、能规划。短板：主要面向游戏/控制，连续精密操作落地少。
代表：DeepMind MuJoCo、NVIDIA Isaac Sim。机制：显式物理定律建模（刚体/接触/约束），不学习、可微仿真。优势：物理精确、可审计。短板：非「认知」模型，泛化需人工建模，且常作为上述路线的训练/验证底座。
| 路线 | 代表模型 | 学习信号 | 数据需求 | 泛化方式 | 典型任务 |
|---|---|---|---|---|---|
| ① 视频生成 | Sora / Genie / GAIA-1 | 像素重建（监督） | 极高 | 规模涌现 | 通用视频/自驾仿真 |
| ② 隐空间预测（JEPA） | I/V-JEPA / Cog-WM / Z-MAX | 隐空间预测（自监督） | 低 | 机制复用 | 导航/精密操作 |
| ③ 扩散/流匹配动作 | π0 / π0.5 / Diffusion Policy | 动作模仿（监督） | 中 | 数据+架构 | 通用操作 |
| ④ 端到端 VLA | RT-2 / OpenVLA / smolvla | 动作 token（监督） | 高 | 跨本体数据 | 指令跟随操作 |
| ⑤ Model-based RL | DreamerV3 / MuZero | 奖励（强化学习） | 中 | 隐空间规划 | 游戏/控制 |
| ⑥ 物理引擎 | MuJoCo / Isaac Sim | 显式物理（不学习） | 零 | 人工建模 | 仿真/验证底座 |
Z-MAX 状态空间属于② 隐空间预测（JEPA 系 / 类脑），但采取了一条混合务实路线——不「站队」，而是按能力档位把多条路线模块化编排进同一套状态空间底座：
| 档位 | 采用的技术路线 | 对应分支 |
|---|---|---|
| L2 基础辅助 | YOLO + 前馈 MLP + 13 段状态机 + 原子技能 | ⑥ 物理引擎底座 + ② 解析式状态空间 |
| L3 高级自动 | SmolVLM 视觉编码 + Flow-Matching DiT 动作头 | ④ VLA + ③ 流匹配动作 |
| L4 专家自主 | JEPA 流形预测器 + 卡尔曼状态估计 + 流形导航 + 自主恢复 | ② 隐空间预测（JEPA 系）+ ⑤ 世界模型规划 |
世界模型的竞争，正从单一的「大数据预训练」范式走向多元并存。Z-MAX 的选择是：不在范式之间二选一，而是在状态空间底座上，让 L2/L3/L4 三档各自调用最合适的那条路线。