Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model
世界模型（World Model）能够模拟环境动态以实现动作规划和策略学习，但现有方法在决策时规划中面临严重的计算瓶颈——传统分词器将每帧观测编码为数百个Token，导致基于注意力机制的规划延迟呈二次增长。KAIST与POSTECH团队提出CompACT，一种能将每张图像压缩至仅8个离散Token（约128比特）的紧凑分词器，相比NWM使用的SD-VAE所需的784个Token实现了近百倍压缩。
CompACT的核心设计有两大创新：编码端利用冻结的DINOv3视觉基础模型提取语义特征，通过可学习查询Token与交叉注意力机制仅蒸馏出与规划决策相关的高层语义信息；解码端采用生成式策略，以紧凑Token为条件，通过MaskGIT式的掩码生成建模来合成中间Token，将不可逆的解压缩问题转化为可控的条件生成任务。
在RECON导航规划任务上，CompACT的8-Token模型不仅超越了使用64个Token的先前方法，还在与784个连续Token的模型精度相当的同时实现了约40倍的规划加速。该论文已被CVPR 2026接收，标志着世界模型向实时部署迈出关键一步。
Analyse approfondie et perspectives industrielles
Dans une perspective plus large, cette evolution illustre la tendance acceleree de la transition de la technologie IA des laboratoires vers les applications industrielles. Les analystes du secteur s accordent a dire que 2026 sera une annee charniere pour la commercialisation de l IA. Sur le plan technique, l efficacite d inference des grands modeles continue de s ameliorer tandis que les couts de deploiement diminuent, permettant a davantage de PME d acceder aux capacites avancees de l IA.
Cependant, la proliferation rapide de l IA apporte egalement de nouveaux defis: complexite croissante de la protection des donnees personnelles, demandes accrues de transparence des decisions de l IA et difficultes de coordination de la gouvernance transfrontaliere de l IA. Les autorites reglementaires de plusieurs pays surveillent de pres ces evolutions, tentant d equilibrer promotion de l innovation et prevention des risques.
Du point de vue de la chaine industrielle, la couche d infrastructure en amont connait une consolidation, les entreprises leaders elargissant leurs barrieres concurrentielles par l integration verticale. La couche de plateforme intermediaire voit son ecosysteme open-source prosperer, abaissant les barrieres d entree au developpement IA. La couche d application en aval montre une acceleration de la penetration de l IA dans les industries traditionnelles.
De plus, la competition pour les talents est devenue un goulot d etranglement critique. La guerre pour les meilleurs chercheurs en IA s intensifie a l echelle mondiale, les gouvernements introduisant des politiques attractives. Les modeles d innovation industrie-universite sont promus globalement pour accelerer l industrialisation de l IA.
Analyse approfondie et perspectives industrielles
Dans une perspective plus large, cette evolution illustre la tendance acceleree de la transition de la technologie IA des laboratoires vers les applications industrielles. Les analystes du secteur s accordent a dire que 2026 sera une annee charniere pour la commercialisation de l IA. Sur le plan technique, l efficacite d inference des grands modeles continue de s ameliorer tandis que les couts de deploiement diminuent, permettant a davantage de PME d acceder aux capacites avancees de l IA.