11 月 10 日，斯坦福大學教授、World Labs 聯(lián)合創(chuàng)始人李飛飛發(fā)表長文《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》（從語言到世界：空間智能是AI的下一個前沿）。李飛飛認為，當前以大型語言模型為代表的AI雖然擅長處理抽象知識，卻如同在“黑暗中行走”，缺乏對物理世界的真實理解。而空間智能，即人類用以理解、導航并與三維世界交互的底層能力，將是實現(xiàn)機器真正智能的關(guān)鍵突破。

李飛飛在其個人社交平臺發(fā)布長文解釋空間智能

空間智能是指AI系統(tǒng)通過對三維空間和時間的理解，實現(xiàn)感知、推理和行動的能力。

李飛飛解釋道，空間智能是人類認知的“腳手架”，它不僅是我們在日常生活中停車、接物等無縫操作的基礎(chǔ)，更是科學發(fā)現(xiàn)、建筑設(shè)計和個人敘事的核心。

她指出，人類對世界的理解是整體性的——不僅關(guān)乎我們“看見了什么”，還包括事物在空間上的關(guān)系、它們的意義以及彼此的關(guān)聯(lián)。通過想象、推理、創(chuàng)造與互動來理解世界，而非僅僅依賴語言描述，這正是空間智能的力量。

為了賦予機器這種能力，我們需要構(gòu)建一種全新的“世界模型”。這種模型必須具備三種核心能力：首先是生成性，能夠創(chuàng)造出在幾何、物理和語義上都保持一致性的虛擬世界；其次是多模態(tài)性，能理解和整合文本、圖像、動作等多種指令；最后是交互性，能根據(jù)動作輸入預測世界的下一步變化。

實現(xiàn)這一愿景面臨諸多挑戰(zhàn)，包括尋找新的訓練方法、處理海量復雜的空間數(shù)據(jù)以及開發(fā)新型模型架構(gòu)。

空間智能的應(yīng)用前景極為廣闊。在短期內(nèi)，空間智能將賦能創(chuàng)造力，為電影、游戲和建筑領(lǐng)域的創(chuàng)作者提供強大工具，例如李飛飛團隊正在開發(fā)的Marble平臺，能快速生成可探索的3D環(huán)境；中期來看，它將推動具身智能機器人的發(fā)展，通過高仿真訓練使其成為人類在家庭、實驗室中的協(xié)作伙伴；長遠看，空間智能有望在科學、醫(yī)療和教育領(lǐng)域引發(fā)革命，通過模擬實驗、輔助診斷和沉浸式學習，極大增強人類在各自專業(yè)領(lǐng)域的能力。

李飛飛強調(diào)，她致力于開發(fā)人工智能的初心始終是增強人類能力，而非取代人類。構(gòu)建具備空間智能的機器，最終目標是讓AI成為人類應(yīng)對重大挑戰(zhàn)的得力伙伴，共同創(chuàng)造一個更美好、人類潛能得以更大發(fā)揮的未來。

近期，李飛飛多次在公開場合強調(diào)空間智能的重要性。此前，她與黃仁勛、約書亞·本吉奧、杰弗里·辛頓、揚·勒昆以及比爾·達利，齊聚倫敦，在參加《金融時報》（FT）主辦的 “未來人工智能峰會”（FT Future of AI Summit）時提出，當前大語言模型與智能體，這些仍主要基于語言維度。但若深入反思人類智能的本質(zhì)，就會發(fā)現(xiàn)智能的范疇遠超越語言層面。而空間智能，正是感知與行動之間的關(guān)鍵紐帶——人類與動物擁有遠超語言范疇的非凡能力，能夠感知、推理、交互并創(chuàng)造立體世界。

“即便當今最強大的語言模型或大語言模型，在基礎(chǔ)空間智能測試中仍然表現(xiàn)不佳。從這個維度來看，作為一門科學與學科，人工智能仍有太多有待攻克和開拓的疆域，而這必將催生更廣闊的應(yīng)用場景?！崩铒w飛說。

在她和楊立昆（Yann LeCun）、謝賽寧等AI領(lǐng)域的領(lǐng)軍學者聯(lián)合發(fā)表的論文《Cambrian-S: 邁向視頻中的空間超感知》中，提出實現(xiàn)AGI需先突破“超感知”能力。研究指出，當前以大語言模型為核心的AI系統(tǒng)缺乏對現(xiàn)實世界的真實感知能力，無法像人類一樣理解視頻中的空間關(guān)系與動態(tài)變化。

李飛飛在2024年4月創(chuàng)立科技公司W(wǎng)orld Labs，去年9月，World Labs正式宣布完成2.3億美元的巨額融資，投資方包括硅谷知名投資機構(gòu)a16z、NEA、加拿大風投公司Radical Ventures，以及英偉達公司的風險投資部門等。今年9月，World Labs 推出了空間智能模型 Marble 預覽版，目前處于限量開放階段。