李飞飞押注空间智能：AI的下一个维度从“读懂语言”转向“理解世界”

事件概述

斯坦福大学教授、World Labs创始人李飞飞在a16z Podcast（2025年6月）、思科AI峰会（2026年2月）和Lenny's Podcast（2026年5月）三次访谈中，系统论证了“空间智能（Spatial Intelligence）”才是AI的下一个前沿。她指出，当前大语言模型依赖的语言本质上是一种有信息损失的压缩格式，无法让AI真正理解并操作三维物理世界。

核心信息

• 进化论视角：视觉与空间感知催生了5.4亿年前的寒武纪大爆发，而语言只有约50万年历史。在真实3D/4D物理世界中进行理解、推理、交互的能力是基础性的，与语言智能同等重要。
• 世界模型缺失：李飞飞在硅谷午餐会上提出“我们缺一个世界模型”，认为语言不是故事的终点。a16z合伙人Martin Casado补充道，仅自动驾驶赛道就投入约1000亿美元、耗时20年才走到今天，空间智能的难度可见一斑。
• Marble模型：World Labs第一代模型Marble（2024年底发布）可接收文本、图片、视频或简单3D输入，生成具有永久一致性的可交互3D世界，与Sora等视频生成模型有本质区别——后者只是像素动画，而Marble拥有几何结构。
• 规模对比：GPT-5训练算力约10^26 FLOPS，Marble小几个数量级。原因在于高质量3D物理数据稀缺，且该领域仍处于Scaling Law上升曲线早期。
• 应用案例：游戏开发、索尼虚拟制作（电影制作周期缩短40倍）、机器人训练、室内设计、OCD/恐高症等心理治疗的沉浸式环境、个性化瑜伽空间等。
• 融资与开源：2026年2月完成10亿美元融资，英伟达、AMD、a16z参投，估值升至约50亿美元。4月开源3D高斯溅射渲染引擎Spark 2.0，实现网页端亿级3D场景实时渲染，转向“产品+开源生态”双轨策略。
• 对AGI的看法：李飞飞在Lenny's Podcast中表示“AGI更像营销术语”，当前AI无法完成幼儿级的空间推理任务（如数视频中的椅子数量），也无法从数据中推导出牛顿力学定律。
• 技术双刃剑：她反对技术乌托邦主义和末日论调，主张以“文明更加美好”作为AI成功的定义，强调人的尊严和自主性应成为技术开发与治理的核心。

值得关注

• 李飞飞分享个人经历：因眼角膜受伤失去立体视觉后，只能以时速10英里开车，以此论证3D感知的不可替代性。
• Casado指出，从一张二维照片模型就能生成完整的360度3D表示，用户可测量、堆叠、操作。
• World Labs团队约30人，已融资超10亿美元。李飞飞承认竞争远超预期，并引用进化论表明：感知先于语言，空间先于符号，AI的空间智能进化正被压缩到几年内完成。