TL;DR：
AI教母李飞飞创立World Labs，旨在攻克通用人工智能（AGI）的“缺失拼图”——空间智能和世界模型。她认为，真正理解并驾驭物理世界的复杂性是AI发展的下一座高峰，其难度和重要性远超当前的语言大模型，并将定义从内容创作到机器人学习的未来商业格局。
在人工智能领域，每一次范式转移都由少数远见者引领。如今，当全球科技界都在聚焦语言大模型（LLMs）的飞速发展之时，被誉为“AI教母”的李飞飞教授却已将目光投向了下一个“北极星”问题：空间智能（Spatial Intelligence）与世界模型（World Models）。她毅然从斯坦福大学的学术殿堂走向创业一线，创立World Labs，旨在攻克她眼中通向通用人工智能（AGI）的“缺失拼图”——让机器不仅能“听懂”和“生成”语言，更能**“理解、生成并在三维世界中行动”**。[^1] 这不仅是一次技术冒险，更是对智能本质的深刻哲学叩问，预示着AI产业生态的深层重塑。
从像素到世界：李飞飞的下一场AI远征
李飞飞的职业生涯轨迹，本身就是一部AI视觉智能的进化史。早在2009年，她在数据极度匮乏的AI“寒冬”中，以开创性的ImageNet项目播下了数据驱动AI的种子。这项大规模图像数据库的构建，协同后来的卷积神经网络（如AlexNet）和GPU算力，共同引爆了深度学习的革命，让机器从“识别物体”到“描述场景”，乃至今日的“生成图像”（如DALL-E）。[^2] 这一历程证明了高质量数据、强大算力与创新算法的协同效应对AI突破的关键作用。
然而，李飞飞敏锐地指出，当前的AI繁荣，特别是以LLMs为代表的语言智能，存在根本性局限。她认为，人类的语言能力进化不到百万年，而对三维世界的视觉理解、导航与互动，却经历了长达5.4亿年的漫长进化。这意味着，对物理世界的感知和理解，是智能的更深层基石。[^1] 语言是“一维”的、纯粹“生成”的信号，而真实世界则是“三维”的、遵循物理规律的、需要交互与重建的复杂存在。因此，如果AGI的目标是创造能像人类一样思考和工作的机器，那么缺乏对三维世界的理解，AGI就是不完整的。
“若没有空间智能，通用人工智能（AGI）就不完整。”——李飞飞
正是基于这一深刻洞察，World Labs应运而生。李飞飞汇聚了包括NeRF论文作者Ben Mildenhall和可区分渲染框架Pulsar创建者Chris Lester等世界级专家，组成了一支“梦之队”，剑指这片“疯狂”且尚未被大规模攻克的蓝海。
空间智能：AI的“病态”难题与具身化的未来
攻克空间智能，意味着要让AI能够建立一个真正意义上的**“世界模型”**，而非仅仅是基于像素或文本的浅层认知。这其中蕴含着多重技术挑战：
- 高维复杂性：语言本质上是一维序列，而三维世界的几何、纹理、光照、物理交互等复杂性，使得其组合爆炸程度远超语言模型。
- “病态”感知问题：从三维世界到二维图像（如视网膜或相机）是一个信息压缩的投影过程，存在大量丢失的信息，本质上是一个数学上的“病态问题”[^1]。人类和动物需要多模态感知系统来弥补，AI也需如此。
- 数据稀缺性：互联网上充斥着海量的文本和2D图像数据，但高质量的3D数据、尤其是带有语义和物理交互信息的真实世界3D数据，则极为稀缺且难以获取。这与ImageNet时代面临的数据困境有异曲同工之处，但难度系数更高。World Labs为此采取了“混合方法”，暗示将结合真实数据、合成数据以及先验知识来构建数据集。[^1]
从模型架构来看，与当前LLM依赖“硬堆”算力和纯自监督学习不同，空间智能可能需要新的架构范式和引导信号来处理世界的结构性和物理约束。这涉及到对人类如何感知三维世界这一基础科学问题的更深层理解，也将推动**表示学习（Representation Learning）和小样本学习（Few-shot Learning）**等前沿理论的突破。[^1] World Labs正在构建的，可能是一整套全新的基础模型，其核心输出将是可感知、可生成、可推理的三维“世界”。
重塑产业版图：从内容创作到具身智能的商业前瞻
世界模型和空间智能的应用前景广阔，将触及并重塑多个万亿级市场：
- 内容创作：设计师、建筑师、工业设计师、3D艺术家、游戏开发者将能以前所未有的效率和灵活性进行创作，从概念到成型，大大降低3D内容制作的门槛。这对于元宇宙（Metaverse）的发展至关重要。尽管元宇宙目前尚未真正“运行”起来，但李飞飞认为，当硬件瓶颈被突破后，对高质量、可交互的3D内容的需求将迎来爆发，而世界模型正是其核心驱动力。[^1]
- 机器人学习（Robotic Learning）与具身智能：让机器人理解其所处的三维环境、规划行动路径、进行复杂操作，是实现通用机器人和自主系统的关键。世界模型将为机器人提供对物理世界更深刻的“常识”和“推理”能力，推动其从实验室走向现实生活和生产环境。这直接对应了机器人与具身智能这一AI发展主线。
- 垂直行业应用：从建筑工程的数字孪生，到自动驾驶的环境感知与预测，再到工业制造的仿真与优化，空间智能的应用潜力几乎是无限的。它将赋能传统产业的数字化转型，带来效率和生产力的飞跃。
在商业模式上，李飞飞对开源策略持有开放态度，认为生态系统健康需要多种模式并存。[^1] 这也预示着World Labs在未来可能采取灵活的商业化路径，例如提供模型API、开发垂直应用解决方案，甚至通过合作促进整个3D内容生态的繁荣。
韧性与远见：构建AI未来的方法论
李飞飞的创业并非一时兴起，而是其“从零开始”的人生哲学和持续探索智能本质的必然选择。她从移民背景、经营洗衣店的经历中习得的韧性、务实和无所畏惧的精神，是其敢于挑战“疯狂”难题的动力。[^1]
她对未来AI研究者的建议也极具启发性：博士生应专注于那些**“产业界即使投入再多资源也解决不了的基础性问题”，例如跨学科AI的理论突破、模型可解释性、因果关系以及小样本学习等。[^1] 这反映了学术界在算力数据不再占据绝对优势的今天，其核心价值在于提供原创性的理论框架和探索性的“北极星”问题**。这与她当年创立ImageNet时，选择从数据这一“基础问题”切入，不谋而合。
李飞飞的视角，超越了当前关于AGI定义和路径的争论，回归到智能本身最核心的要素：对世界的感知与理解。World Labs的创立，标志着AI的下一轮竞赛已然打响，它将不再仅仅是语言的较量，而是对真实世界理解与交互能力的深度比拼。这场远征，不仅将决定AGI的最终形态，更将深刻影响我们所生活的物理与数字世界的融合。