人工智能領域再次迎來了一位重量級玩家的入局。斯坦福大學教授、知名AI科學家李飛飛于2024年創立了World Labs，這家初創公司正致力于開發具備“空間智能”的下一代AI系統。短短數月內，World Labs便完成了兩輪融資，累計籌集資金約2.3億美元，估值迅速飆升至10億美元以上，一躍成為AI領域的新晉獨角獸。
World Labs的背后，有著一系列頂尖科技與風投機構的支持，包括a16z、Radical Ventures、NEA、英偉達NVentures、AMD Ventures以及Intel Capital等。這些重量級玩家的加入，無疑為World Labs的發展注入了強大的動力。
在近期的一次A16Z訪談中，李飛飛首次公開闡述了World Labs的創立理念、研究方向以及她的宏大愿景。她表示，自己并不特別迷戀大語言模型，因為過去的法律工作經歷讓她深刻意識到，僅憑說話和寫作，難以真正理解這個世界。她認為，AI正在邁向一個更高級的階段，即從語言模型向世界建模的轉變。未來的AI將不再僅僅依賴文字描述，而是能夠真正“看到”、“理解”和“重建”三維空間。
李飛飛強調，人類之所以聰明，不僅因為我們會說話，更重要的是我們會“看”、會“動”、會“操作”這個三維世界。她以DNA的雙螺旋結構和富勒烯分子為例，指出這些典型的三維結構僅憑文字難以想象，必須依靠空間上的建模才能真正理解。因此，語言模型雖然重要，但它只是壓縮過的信息版本，遠遠不能代表真實世界的全貌。真正的智能，必須能夠理解和構建這個三維世界。
那么，世界模型為何如此重要？李飛飛將其解釋為AI對現實世界的三維理解能力。她指出，就像人類一樣，AI也需要會說話、會思考、會看、會動、能感知這個世界的空間結構。AI的世界模型，正是試圖將視覺、空間感、動作等多個維度的信息結合起來，真正模擬出一個接近真實的世界。她以游戲場景生成為例，形象地說明了AI世界模型的工作原理。
在談到技術實現時，李飛飛表示，要讓AI真正理解、重構三維世界，是一個非常復雜的過程。目前，有幾個關鍵的技術方向正在被重點探索，包括從二維圖像到三維重建的能力、高斯平面表示法、擴散模型以及多視角的數據融合等。這些技術共同構成了AI空間感知能力的基礎。
李飛飛還分享了一個親身經歷，五年前因角膜受傷而失去立體視覺的經歷讓她深刻體會到人類對空間感的依賴。這也讓她更加確信，AI如果沒有這種空間理解能力，就只能停留在“看得見”但“看不懂”的階段。因此，世界模型是AI實現“通用智能”的關鍵一步。
在談到應用場景時，李飛飛表示，世界模型的應用場景遠比想象得多。在游戲行業，AI可以根據幾張照片或一段視頻自動生成逼真的三維世界；在建筑行業，AI可以在幾分鐘內生成整個空間的立體結構，甚至模擬陽光從不同角度照射的效果；在機器人領域，具備三維視覺的機器人才能真正理解環境，實現自由行動；數字孿生、創意產業等領域也都在積極探索世界模型的應用。
然而，盡管世界模型的應用前景廣闊，但目前仍面臨諸多挑戰。李飛飛指出，數據、算力和泛化能力是三大關鍵問題。要讓AI理解三維世界，必須提供足夠清晰、全面的數據；同時，現有的很多技術對計算資源的要求非常高，難以大規模落地應用；AI還需要更強的適應性，才能在不同環境中都能表現出色。
面對這些挑戰，李飛飛表示，World Labs正致力于構建一個融合多種能力的團隊，包括計算機視覺專家、圖形學研究者、擴散模型開發者以及做物理仿真和機器人控制的人才等。她認為，未來的AI研究范式將從“單一學科”走向“多學科融合”，從“個體英雄”走向“集體智慧”。
在談到AI與人文、教育、法律等社會系統的關系時，李飛飛表示，真正決定AI能走多遠、走多穩的，不只是技術，還有它和社會之間的關系。她認為，未來的AI教育應該更注重培養學生的批判性思維和社會責任感；同時，也必須為AI設計好規則邊界，以避免出現無法挽回的錯誤。
最后，李飛飛分享了World Labs的愿景。她相信，未來的AI將不僅“看得到”，還要“看得懂”；不僅“重建世界”，還要“參與世界”；不僅“執行任務”，還要“與人協作”。AI的終極目標不是替代人類，而是成為人類在物理世界中的智能延伸。她以眼鏡、輪椅等輔助工具為例，形象地說明了AI將如何成為我們理解和操作這個世界的新工具。
在李飛飛的描繪中，一個AI更懂人、更貼近現實、更能與我們一起生活和工作的時代正在到來。盡管實現這一目標并不容易，但World Labs正攜手行業伙伴，共同探索這條充滿挑戰與機遇的道路。
