# Why Great AI Companies Are Moving Beyond Tools \| Amit Jain (Luma AI)

- Channel: [South Park Commons](https://www.youtube.com/channel/UCMR-rPSUI34DRQXUkvFuIUQ)
- Published: 2026-05-21
- Source video: [Watch on YouTube](https://youtube.com/watch?v=2qR7pLTCZ78)
- Read on ReadTube: https://www.read.tube/p/videos/2qR7pLTCZ78
- Language: Simplified Chinese

## Summary

**卢马走向统一世界模型**

这场对话强调，真正有价值的人工智能公司不应只做零散工具，而要把研究、产品和数据飞轮视为一个整体。卢马人工智能从三维捕捉切入，逐步走向视频、统一模型和智能代理，目标是构建能理解并模拟物理世界的世界模型。

这场访谈围绕卢马人工智能的发展路径展开，核心观点是：人工智能的价值不在于做一点局部自动化，而在于把研究、产品和部署合并成一个持续优化的系统。创始人阿米特·詹恩回顾了自己从苹果公司离职后探索神经辐射场的经历，解释了为何卢马最初从三维捕捉应用切入：既要获得分发，也要积累原本不存在的大规模三维数据，并借此验证更宏大的方向。

他认为，视频模型的突破并不是单纯的产品转向，而是算力架构、团队积累和研究判断共同推动的结果。随着新一代芯片带来更适合训练的带宽与显存条件，卢马开始认真推进视频生成，并在引入关键研究人员后加速落地。随后，公司进一步转向统一模型，试图把语言、图像、视频和音频放进同一骨干网络中，让模型真正理解人类对物理世界的表征，而不只是生成看起来像真的片段。

他对“世界模型”的定义很直接：模型不仅要生成内容，还要理解并模拟物理世界。仅靠实时生成、递归生成或三维表示都不足以称为世界模型，真正的目标是把语言理解、因果关系、时间和人类意图统一起来，形成类似大脑的单一信号流。按他的判断，视频、音频和语言结合后已经接近大部分所需信息，而机器人所需的抓取、力反馈和其他传感，也可以通过后续数据和训练逐步补上。

在产品层面，卢马认为语言模型在工程上仍会长期存在，但理论上统一模型会更强、更通用。现实中，模型会根据任务分工：通用统一模型负责核心理解，局部任务仍可调用更高效的专用模型。公司最新的卢马代理则把这种思路落到创意生产中，面向影视、广告、媒体和娱乐等需要端到端流程的行业，帮助客户完成从理解需求、生成素材到迭代成片的完整工作流。

- 卢马的核心理念是“研究与产品一体化”，两者本质上共同构成基础模型公司的引擎。
- 三维捕捉最初既是产品，也是数据收集工具，用来为更大规模的视觉智能训练铺路。
- 视频生成之所以可行，关键在于算力架构升级和关键研究人才加入，而不只是产品灵感。
- 世界模型的标准不是速度，而是对物理世界、因果、时间和人类意图的真正理解与模拟能力。
- 统一模型将语言、图像、视频、音频等信号合并到一个骨干中，未来会在理论上优于单一语言模型。
- 卢马代理服务的重点不是“做一点素材”，而是帮助客户完成完整的创意生产和商业传播流程。
- 公司通过前置部署的创意团队，把客户使用过程中的数据反哺给模型训练，形成持续增强的飞轮。
- 他认为企业和专业创作者仍是当前最重要的市场，因为他们最需要端到端解决方案，而不是单点功能。