這是一個很好的觀點，顯示了世界模型因缺乏記憶而受到限制，以及記憶以低效且昂貴的格式（包含像素的視頻幀）存在的事實。 理想的記憶應該是什麼樣的呢？它本質上應該是一個場景圖（James Clark，1976年！），以層次化的方式描述世界中所有物體及其屬性，並且易於查詢和操作。 這就是核心論點的原因，即理想的進化路徑看到世界模型和引擎的合併，AI 方面提供大量鬆散組織的視聽和文本知識，而引擎則提供一致的可重複數據表示和模擬。