生成派 ＋ 结构需求对接
生成派架构（像素/帧预测）开始满足结构派的多传感器、几何输出需求。Pred(·) 本质仍是自回归视频生成，s 仍是像素——并非真正的架构融合，而是功能层面的对接。
Waymo WM Genie 3 骨干后训练 → 输出 camera + LiDAR
InSpatio-World 隐式时空缓存 + 显式几何约束
结构派 ＋ 推理派能力补齐
结构派正在补齐长期缺失的 P(z)——从纯几何预测走向对智能体意图、遮挡物体的信念建模。这是目前结构派最活跃的演化方向，2024–2026 年论文最集中的方向。
LatentDriver 多概率决策引入不确定性
BEVWorld s 从显式几何向潜变量迁移
GAIA-2 CLIP embedding 注入意图 P(z)
仿真派 ＋ 生成派弥合 sim-to-real
仿真派核心瓶颈（x 由仿真生成）正通过引入扩散模型来弥合与真实感知的 gap，P(z) 同步从物理参数不确定性扩展为完整信念状态。目前工业落地最成熟的融合路径。
Cosmos Transfer 仿真→扩散→真实感输出
FieldAI BWM P(z) 演进为完整 POMDP 信念
Cosmos-Reason2 物理常识 VLM 引入语义推理
s(t) 的语义鸿沟
推理派的 s（神经网络学出的抽象潜变量）与结构派的 s（可解释 3D 几何）之间尚无统一方案。将二者合并意味着既要物理可解释，又要支持梯度流动的不确定性推理——表示层面存在根本张力。
推理派 s：高维、不可解释、可微
结构派 s：低维、几何可解释、离散
生成派的 P(z) 结构性缺失
生成派（s=x）在架构层面几乎没有真正的 P(z) 信念建模——语言条件注入只是软性约束，而非对未知信息的后验推断。只要 s=x 的设定不变，完整的 POMDP 信念框架就难以实现。
Genie 3 语言=软约束，非后验信念
Happy Oyster P(z) 结构性缺失
终极开放问题 · 2026
是否存在一个统一的 s(t)，使得 x→s 的对齐既保留几何可解释性，又具备物理精确性，又能在 P(z) 下进行完整的不确定性推理？
结构派 贡献几何可解释性 ·
仿真派 贡献物理精确性 ·
推理派 贡献完整 P(z) 信念推理 ·
生成派 贡献视觉真实性与规模
目前最接近这一统一的系统：Waymo World Model（生成+结构需求）和 FieldAI BWM（仿真+推理派 P(z)）——但两者都只是局部融合，不是全局统一。