一份图纸的价值，不在于它画得多漂亮，而在于它规定了哪些东西必须交代清楚。
上一期说，判断一个东西算不算世界模型，先数一数它有几个入口：一个入口的是映射，两个入口的才谈得上世界。
那这一期就进门看。
门进去之后，一个世界模型内部必须回答四个问题。这四个问题不分流派、不分行业，只要是世界模型就必须答。
而它们有个很现实的差别：前两个问题，演示视频里看得见；后两个问题，演示视频里一帧都没有。
水里的物理：一条河在暴雨前夜，究竟"是什么样"
先把"状态"这个词落到实处。抽象地讲没意义，我们拿一条真实的河来问。
明天有一场暴雨要来。要预判它会不会成灾，你得知道这条河现在处在什么状态。
那么，"现在的状态"到底包含哪些东西？
| 要知道的 | 测得出来吗 | 说明 |
|---|---|---|
| 河道水位、流量 | ✅ 测得到 | 有水文站，但只在干流和主要支流 |
| 土壤含水量 | ❌ 测不到 | 只能估。而它决定了这场雨会不会变成洪水 |
| 地下水位 | 🔶 很稀疏 | 有观测井，但密度远不够 |
| 融雪储量 | ❌ 测不到 | 山区尤其关键，直接影响汛期来水 |
| 上游水库蓄了多少 | ⚠️ 人知道，模型不一定知道 | 台账在各家管理单位手里 |
| 河床糙率、断面形状 | ❌ 基本没测过 | 只能靠经验取值 |
看这张表，你会发现一件事：最重要的那一项，恰恰是测不到的那一项。
这场雨会不会成灾，很大程度上取决于"地有多干"——干透了的土像海绵，能把第一波雨全吸掉；已经泡透的土一滴也吸不进去了。
而"地有多干"，是上面这张表里最测不到的东西。
左边三项测得到，右边三项只能估 —— 而右边第一项，恰好决定这场雨会不会成灾。
这就是世界模型的第一个问题为什么如此要命。 你把状态定义错了，后面全错。
而这里有个反直觉的实证，值得单独说。
一个反直觉的实证：土壤湿度重要，但它不是均匀地重要
2022 年，USGS 伍兹霍尔海岸与海洋科学中心等机构的研究者，用 WRF-Hydro 模式对 2018 年飓风佛罗伦斯做了一组诊断实验，专门看"初始土壤湿度"和"降雨量级"对洪峰模拟的影响。结论有三条，第一条尤其反直觉：
"初始土壤湿度对洪峰的调制作用是非线性的，并且随着降雨量增大而减弱。存在一个土壤饱和度的阈值，在阈值上下，洪峰对土壤湿度的敏感性差别很大。"
这意味着什么？
"地有多干"很重要——但它的重要性不是恒定的。
- 小雨时，土壤湿度几乎决定一切：同样的雨，落在干地上没事，落在饱和的地上就成灾。
- 大雨时，土壤湿度的影响被"淹没"了：雨太大，地吸不吸收都无所谓了。
- 而且中间有一个阈值，阈值下面怎么变都不敏感，跨过去就突然敏感。
这个结论对建模的含义很具体：你不能笼统地说"要把土壤湿度估准"。你要问的是"在我关心的那档雨量下，它敏不敏感"。
这条结论就是本期最重要的一课的引子：四件事的重要程度，不是恒定的，它随你问的问题变。
同一篇论文的第二、三条，还给了一个更硬的东西：
"模式预热（spin-up）方面，径流需要比土壤湿度和潜热通量更长的时间才能达到「实用」平衡（10%）。预热带来的模式不确定性会沿水文气象链条传播，并被放大到洪峰上。"
"被放大到洪峰上"——这五个字，就是第 ③ 件事的全部理由。
而第三条又说了一句克制的话：在用集合方法做洪水预报时，"模式不确定性主要由降雨预报主导"。
所以诚实的结论是：状态估计很重要，但它不是永远的压倒性因素——当你的降雨预报本身就很糊时，把状态估得再准也救不回来。
📌 这句话我建议你记住，因为它挡掉了一种很常见的自我安慰：把力气全花在"把状态算精"，而回避"我的输入本来就不准"。
四件事：每一次回答都是一次取舍
现在我们把这四个问题正式列出来。注意：每一个都不是"对错题"，而是"取舍题"——选了哪边，就要接受那边的失败方式。
| # | 问题 | 两种常见回答 | 你放弃了什么 | 换来什么 |
|---|---|---|---|---|
| ① | 状态是什么 | 物理量 / 潜变量 | 潜变量省算力但不可检查 | 物理量可解释、可对账 |
| ② | 状态怎么变 | 方程 / 学习 / 混合 | 纯方程怕缺项，纯学习怕发散 | 混合能各取所长 |
| ③ | 没看到的怎么补 | 显式估计 / 不估计 | 显式估计慢、要观测 | 不估计就是"在看不见处瞎猜" |
| ④ | 怎么验收 | 人眼 / 留出观测 / 守恒 / 闭环 | 便宜的验收测不出危险 | 硬的验收能提前发现崩 |
①②在线的上面，③④在线的下面 —— 演示视频只能证明上面那一半。
逐条说清。
① 状态。 选物理量，好处是可以对账——水量平衡算不平时你能立刻知道；选潜变量，好处是省事、让模型自己找规律，代价是那个量没有名字，你没法检查它。 📌 水的默认答案应该是"物理量为主干"。 理由不是理论上的，是工程上的：你需要一个能被独立核对的东西。
② 动力学。 纯方程的问题是"缺项"——真实世界的很多过程写不出方程（云怎么形成、土壤怎么下渗）；纯学习的问题是"发散"——自回归推演越推越偏。 混合路线是目前最像样的答案，两个代表：
- NeuralGCM：大尺度过程交给传统流体动力学求解器，小尺度物理（云、辐射、降水）交给神经网络；
- MuZero：反过来——正因为"真实世界问题里支配环境的动力学往往复杂且未知"，所以干脆学一个出来用。
📌 注意这两者的差别不在技术水平，在"你有没有可信的方程"。 有，就缝起来；没有，就只能学。这就是第 8 期那棵决策树要处理的问题。
③ 补全。 这是最少被当成"世界模型"来谈、却最决定成败的一件。ECMWF 的定义说得很准：
"数据同化的目的，是用观测和短期预报，确定一个尽可能好的大气状态，以及它的不确定性。"
📌 "以及它的不确定性"这半句，是 ③ 的灵魂。 一个只给你点估计的模型，等于在说"我很确定"——而它没有资格这么说。
④ 验收。 这一件最容易被糊弄，因为它最贵。四类世界模型对应四把尺子：人眼、留出观测、守恒、闭环。用错尺子比没有尺子更危险，因为它会给你一个很确定的错误结论。
而"贵"具体贵在哪：好的验收都要等。 等观测回来、等一整场洪水过去、等闭环仿真跑完。 等不了，就只能退回到最便宜的那把尺子——看它像不像。
而"像"和"对"之间，隔着一整个问题的距离。 这就是为什么第 13 期会专门讲"三个层级的评测"，因为只有到第三层，你才知道它敢不敢被签字。
为什么后两件总被跳过
答案有点让人不舒服：因为 ③ 和 ④ 不上镜。
演示视频里能看到的，是 ① 的画面感和 ② 的即时合理性。这两件天然适合展示。
而 ③ 和 ④ 的特征正好相反：
- 它们慢。 同化要等观测，闭环评测要跑很久。
- 它们难看。 一张不确定性的分布图，远不如一段流畅的推演视频有说服力。
- 它们会暴露问题。 一旦把"我在这儿不确定"画出来，就等于承认自己不行。
而现有基准也在无意中强化了这个偏向。 SmallWorlds 那个基准专门测"世界模型懂不懂动力学"，结论里有一条很硬：
"随着预测地平线拉长，它们的预测会退化。"
这个指标非常对——但它明确说了，实验是在"完全可观测的状态空间"里做的。
换句话说：连专门测这件事的基准，都先把"看不见的部分"排除掉了。因为排除掉才好测。
而水排除不掉。（这一条上一期讲过，这一期它变成了四个问题里最难的那一格。）
一张说明书
把四个问题做成一张可以填的空表。我建议你下次再看到有人说"我们做了个世界模型"，就把这四行发过去。
【状态】我用什么描述"现在"？
哪些是物理量（可对账）？哪些是潜变量（不可检查）？
【动力学】状态怎么更新？
方程管哪部分？学习管哪部分？为什么这么分？
【补全】没测到的量怎么估？
多久修正一次？给不给不确定性？不给的话为什么？
【验收】拿什么证明它可信？
人眼 / 留出观测 / 守恒 / 闭环——哪一层？
但这张表还差一行，而那一行是最容易被跳过、也最该问的：
【不自知】它不知道什么？它自己知道吗？
为什么这一行最重要？ 因为前四行问的都是"它具备什么"，只有这一行问的是"它对自己的无知有没有数"。
一个不知道自己不知道什么的模型，比一个知道自己不知道什么的模型危险得多——后者至少会在该闭嘴的时候闭嘴。
这五行，就是本期想给你的全部工具。
你的行业
不用等到上世界模型才用得上这张表。你现在手上的任何一个预测系统，都可以拿这五行去问一遍。
三个最好用的问法，按顺序：
- "你那个状态量里，哪几个是能独立对账的？" 如果一个都说不出来，那它大概率是一个包装得比较精致的映射。
- "你不确定的那些量，怎么进到最终结果里的？" 常见答案是"估个值就往前推了"——那误差就没有传下去，它被藏起来了。 这是我在实际项目里见过最多的一件事。
- "它最不擅长什么？这个信息会显示在界面上吗？" 如果界面上永远只有一条预测曲线，没有不确定的边界——那这个系统在结构上就没有 ③。
本期那句我想留下的判断：
四件事里，前两件决定它能不能做出好看的东西，后两件决定它能不能被交出去。
而一份图纸的价值，不在于它画得多漂亮，在于它规定了哪些东西必须交代清楚。
