🧠 “AI教母”李飞飞的终极野望：从ImageNet到World Labs，她用50亿美金估值定义空间智能的下一个十年

摘要：李飞飞提出AI五大进化方向：空间智能、具身智能、世界模型、从看到做、以人为本。她创办的World Labs仅用16个月即完成10亿美元融资，估值达50亿美元。本文深度解析李飞飞的AI世界观、World Labs的技术路线与产品矩阵，以及这场“世界模型大战”背后的产业变革。（全文约3800字，阅读需12分钟）

标签：#李飞飞 #WorldLabs #空间智能 #具身智能 #世界模型 #Marble #AGI #3D生成

一、引言：那个让AI“看见”的女人，正在让AI“理解”整个物理世界

2009年，她带领团队耗时三年手工标注了1400万张图片，打造出改变AI历史的ImageNet——这个数据集直接催生了2012年的AlexNet和随后的深度学习革命，让AI第一次真正“看见”世界。

她就是李飞飞（Fei-Fei Li） ，斯坦福大学终身教授、前Google Cloud AI首席科学家、被全球科技界尊称为“AI教母”的传奇人物。

当全世界还在为大语言模型（LLM）的参数规模和文字生成能力狂欢时，李飞飞抛出了一个更宏大、更具颠覆性的命题：

“若AI无法理解物体的深度、距离、遮挡与重力，就永远无法真正‘具身’。”

在CES 2026的演讲中，她用一个绝妙的比喻道破LLM的根本局限：“一只苍蝇没有万亿级参数，却能在杂乱空间中极速避障、精准着陆。 ”她笃定地告诉世界：大语言模型终究受制于语言本身，无法通往AGI，空间智能才是最优路径。

本文将从李飞飞的AI五大发展方向切入，深度拆解她为此创办的World Labs公司的技术路线、产品矩阵与资本布局。

二、李飞飞的AI五大进化方向

2.1 方向一：空间智能（Spatial Intelligence）

核心判断：当前大语言模型本质上是“在黑暗中工作的文字匠人”——能言善辩却缺乏经验，知识渊博却缺乏根基。

从进化论的视角来看，李飞飞提出了一个极具洞察力的观点：感知先于语言。在生物进化史上，视觉感知系统比语言能力早出现了数亿年。空间智能要求AI能够真正理解：

• 三维空间中的位置、关系、结构、拓扑
• 物理世界的深度、遮挡、重力、碰撞、材质属性
• 从2D图像/文字到3D世界的映射推理与物理一致性保持

2.2 方向二：具身智能（Embodied Intelligence）

“智能的真正力量不仅仅在于思考，更在于运用思想驱动行动。”

从“被动感知”进化到“主动行动”：

• AI看到桌上快掉落的杯子 → 不仅识别出“这是杯子”
• 而是产生 “快伸手抓住它” 的行动冲动与运动规划
• 在数字或物理的3D空间中具备创造、理解、推理和交互的完整能力闭环

2.3 方向三：世界模型（World Models）

世界模型是一种新型生成模型，其核心是构建对真实/虚拟环境的物理基础理解：

• 理解、推理并交互于语义、物理、几何、动态四个维度
• 远超现有LLM纯文本处理的范畴
• 被广泛认为是通往AGI的必由之路

💡 “世界模型”与LLM的根本区别：LLM在文字符号空间中操作，而世界模型要求在三维物理空间中操作——这不仅是维度的增加，更是智能范式的根本转变。

2.4 方向四：从“看到做”（From Seeing to Doing）

李飞飞用阶梯理论描述AI的进化路径：

🧗 AI智能进化阶梯：
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
第1层：感知（Perception）     — 计算机识别“这是什么”
第2层：理解（Understanding）  — 场景图、关系推理、因果推断
第3层：生成（Generation）     — 扩散模型生成2D图片/视频
第4层：交互（Interaction）    — AI与世界实时互动 ← 我们正站在这一层的门槛上

2.5 方向五：以人为本的AI（Human-Centered AI）

在技术乐观主义盛行的硅谷，李飞飞同时挑战了对AGI的过度痴迷：

• AI发展应以人类福祉为中心
• 关注AI解决现实社会问题的潜力（医疗健康、农业制造、教育公平）
• 而非单纯追求通用人工智能的技术指标和参数规模竞赛

李飞飞在访谈中透露，World Labs的目标是让空间智能技术真正进入医疗健康、农业制造等各个垂直行业。“希望在2026年，我们能看到拥有了空间智能的AI，真正走出屏幕，与物理世界产生美妙的交互”。

三、World Labs：全球首个空间智能“世界模型”公司

3.1 基本信息与融资历程

项目	详情
成立时间	2024年初成立，2024年9月正式公开亮相
联合创始人	Justin Johnson（前Meta/密歇根大学教授）、Ben Mildenhall（NeRF技术的发明者之一）、Christoph Lassner（3D图形学专家）
总融资	2024年成立之初融超2.3亿美元；2026年2月完成10亿美元新一轮融资
估值	投后估值约50亿美元，跻身全球AI独角兽前列
投资方	由设计软件巨头Autodesk领投2亿美元，NVIDIA、AMD罕见联手参投，其他参与者包括a16z、NEA、Fidelity、Emerson Collective
定位	全球首个专注“空间智能”与“世界模型”的基础设施公司

📈 估值增长：从2024年的10亿美元估值到2026年的50亿美元，不到两年翻了5倍。作为对比，Anthropic花了25个月才达到50亿美元估值。

3.2 核心产品：Marble（大理石）—— 一张图生成一个世界

2025年11月，World Labs正式发布了首款商用世界模型产品Marble，基于领先的生成式3D世界模型技术构建：

输入方式（四选一即可）：

• 🗣️ 一句话（自然语言描述）
• 🖼️ 一张图片
• 🎬 一段视频
• 📐 3D布局图/粗略结构框架

输出能力：

• 高保真、可编辑、可探索的3D世界
• 导出格式：高斯斑点（Gaussian Splatting）、Mesh网格、视频等工业标准格式
• 可直接导入Unity、Unreal Engine、游戏引擎和影视后期制作流程

内置AI编辑器：Chisel

Marble是业内首款原生集成AI编辑工具的世界模型，配备混合式3D编辑器：用户可先手动构建空间结构框架（如墙体、体块或平面），再由AI填充视觉细节。这一设计将“人的创意控制”与“AI的高效生成”有机结合。

# Marble工作流程概念示例
input = "一个阳光充足的现代客厅，落地窗外是海景，有米色布艺沙发和原木茶几"
scene = marble.generate(input)          # 一步生成3D世界
scene.edit("把沙发换成深蓝色天鹅绒材质")  # 自然语言交互式编辑
scene.expand("延伸到阳台区域")            # 场景扩展
scene.export(format="gaussian_splat")   # 导出为高斯斑点格式
scene.export(format="unity_package")    # 直接导入Unity引擎

3.3 开源技术：Forge渲染器

World Labs同步开源的Forge渲染器解决了AI生成3D内容后的实时渲染瓶颈：

• 可在桌面端、低功耗移动设备、XR设备上实时流畅渲染AI生成的复杂3D世界
• 降低了空间智能技术在消费级设备上的部署门槛
• 为开发者生态建设奠定了基础

四、技术路线深度对比：显式3D建模 vs 抽象预测

World Labs的技术路线，与图灵奖得主Yann LeCun的JEPA体系存在本质上的哲学分歧：

维度	World Labs路线	Yann LeCun JEPA路线
方法	显式3D几何建模	抽象预测编码
优势	视觉完成度极高，空间结构清晰可编辑	对物理规律理解更深，因果推断能力更强
局限	复杂物理因果推理能力仍需加强	3D生成细节不如前者丰富
代表产品	Marble / SpatialLM	Meta V-JEPA
核心哲学	“先建模，再理解”	“先理解，再建模”

当前技术局限：长距离探索时可能出现视觉“幻觉”（场景一致性下降），对复杂物理交互（如流体、碰撞、变形）的理解仍需进化。

五、商业化方向：六大核心场景矩阵

领域	应用场景与价值
🎮 游戏开发	快速生成3D游戏场景与关卡原型，一键导出至Unity/Unreal，提升开发效率数倍
🎬 影视特效	为VFX从业者提供3D世界构建工具，替代部分昂贵的实景搭建，降低制作成本
🏗️ 建筑设计	辅助建筑师快速构建可视化空间与方案迭代，从概念草图到3D呈现大幅提速
🤖 机器人训练	提供物理正确的3D仿真环境，为具身智能提供训练数据与测试环境
🥽 AR/VR	为元宇宙与空间计算提供“内容创世引擎”，降低3D内容生产门槛
🔬 科学发现	三维推理与科学模拟，应用于材料科学、药物分子结构分析等领域

🤝 生态合作里程碑：Autodesk领投2亿美元后，双方计划将World Labs的AI模型与Autodesk的CAD软件深度整合，共同探索建筑、工程和娱乐领域的新型应用场景。

六、战略对比：李飞飞 vs 群核科技——中美空间智能双雄

有趣的是，中美两家“空间智能”领军者在战略方向上高度一致，但实现路径各有千秋：

维度	World Labs（李飞飞）	群核科技（黄晓煌）
核心概念	空间智能 + 世界模型	空间智能
底层模型	世界模型（Marble）	SpatialLM + SpatialGen
产品形态	3D世界生成工具（Marble + Forge）	酷家乐/Coohom + SpatialVerse + SpatialTwin
商业模式	to Creator（游戏/影视/建筑/开发者）	to B（设计SaaS + 工业孪生 + 机器人训练）
技术路线	显式3D建模 + 生成式世界模型	空间编辑工具 → 海量数据 → 大模型飞轮
资本背景	硅谷明星VC + 英伟达/AMD/欧特克产业资本	港交所上市 + 产业资本

本质区别：

• World Labs = 底层世界模型 + 消费级/创意工具（定位更接近“3D领域的OpenAI”）
• 群核科技 = 设计软件SaaS + 数据飞轮 + 产业应用（定位更像“Autodesk + World Labs的结合体”，从产业端切入向上游模型层渗透）

七、总结：空间智能，AI的下一个“iPhone时刻”？

李飞飞的空间智能愿景，可以用一句话概括：

“让AI从‘会说’进化到‘会做’，从‘理解文字’进化到‘理解世界’。”

从ImageNet让AI“看见”，到World Labs让AI“理解空间”，李飞飞始终在推动AI与物理世界的深度连接。

而World Labs的50亿美元估值，不仅仅是对一家公司的认可，更是整个资本市场对**“空间智能与世界模型是AI下一个主战场”** 这一判断的集体投票。

🔮 未来展望：据市场研究数据，Spatial AI市场预计从2026年的46亿美元增长至2032年的142亿美元，年复合增长率达17.5%。随着World Labs、群核科技、Meta、Google DeepMind等玩家的全面入局，空间智能赛道正在迎来爆发前夜。

写在最后

如果说LLM是AI的“大脑”，那么空间智能就是AI的“身体”和“手”。没有空间智能，AI将永远无法真正走进工厂、走进家庭、走进物理世界的每一个角落。

李飞飞正在做的，就是给AI装上这具“身体”——而World Labs的征程，才刚刚开始。