李飞飞发文—— 空间智能将成AI攀登的下一座高峰

来源：滚动播报

（来源：科创中国）

人工智能（AI）的发展正在进入一个全新阶段，或将从“理解语言”走向“理解世界”。

　　11月10日，美国斯坦福大学教授、World Labs联合创始人李飞飞发文《从语言到世界：空间智能是AI的下一个前沿》，提出空间智能将成为AI攀登的下一座高峰。她指出，当前以大型语言模型为代表的AI系统虽然能熟练生成文字与图像，却仍停留在“语言的世界”中，困于“纸上谈兵”，缺乏对现实空间、物理规律与因果关系的真正理解。而具备空间智能的AI将突破这一瓶颈，像人类一样在现实世界中感知、推理和行动。

　　从算法智能到空间智能

　　当今的大型语言模型在阅读、写作和模式识别上表现出色，却在物理世界的表征与交互上存在根本局限。即使是最新的多模态大模型，在估算距离、方向、大小时的表现也往往不及随机水平。它们无法在空间中导航、辨识捷径，也不能稳定预测最基本的物理规律。此外，AI生成的视频虽令人印象深刻，却往往在几秒之内失去连贯性。

　　这些局限使得AI难以真正赋能人类的创造性工作。无论是帮助学生理解复杂的分子化学概念，协助建筑师构思空间结构，还是为导演、游戏设计师构建虚拟世界，目前的AI距离这一目标尚远。

　　在李飞飞看来，空间智能是人类认知建构的脚手架，驱动着想象、创造与推理，是连接感知与行动的核心能力。这种能力让人们轻松完成停车时估算车距、在人群中自如穿行等日常动作，其核心在于将想象、感知与行动融为一体，实现从“知道”到“理解”的跨越。

　　她认为，空间智能代表着超越语言的边界，融合了想象、感知与行动，让机器不仅理解“看到了什么”，还理解“这些东西如何关联、意味着什么、为何重要”。这类AI将能真正拓展人类的创造力与理解力，从医疗健康到艺术创作，从科学探索到日常辅助，将会带来前所未有的变革。

　　构建世界模型是实现路径

　　李飞飞文中提出，要实现真正的空间智能，就需要突破现有大型语言模型的范式，转向一种更为根本的世界模型。这种新模型不仅能理解语义关系，更能在几何、物理和动态规则上一致地“想象”和“重建”世界。它应当能感知多模态输入，预测场景变化，并与环境进行交互。

　　当前研究方向包括生成三维物体与场景的3D生成模型、模拟动态过程的物理引擎，以及通过交互学习的具身智能系统。但真正能整合上述全部能力的通用世界模型仍处于起步阶段。

　　李飞飞创立的World Labs正尝试推动这一前沿研究。其团队研发的世界模型可在语义与几何层面理解复杂3D场景，推理其中的物理属性与交互关系，并生成连贯、可探索的虚拟空间，交互中还可遵守物理与几何规律。

　　其开发的Marble平台已率先应用了这些能力，创作者无需传统3D建模工具，就能快速创建和编辑完整的虚拟世界。这意味着AI正在从理解语言迈向理解空间，从生成图像迈向生成世界。

　　重塑人类如何与世界共处

　　“距自然界第一次在远古动物中孕育出空间智能，已过去近五亿年。如今，我们有幸成为可能赋予机器同样能力的一代技术人。”李飞飞文中写道。她认为，空间智能将重新定义AI的功能和行为方式。借助世界模型，机器将从被动分析转向主动规划和适应。例如，仓库机器人可绕过不断变化的库存规划路径，而不是在被阻挡时停止；自动驾驶汽车可预测行人的移动，而不是等待明确的信号；甚至有一天，数字助理也能解读手势、空间环境或共享的视觉框架。

　　具体而言，在创意与叙事领域，空间智能将重新定义人类的创造方式。导演和游戏设计师可自由构建虚拟世界，建筑师能即时可视化结构与比例，个人创作者与学生也能借助虚拟现实、扩展现实技术在三维空间中“造世界”。

　　在机器人领域，空间智能是实现具身智能的关键。它让机器人能在虚拟环境中高效训练、理解空间关系与人类意图，从实验室助手到家庭陪护都能安全协作。未来，从纳米医疗机器人到软体探测机器人，AI都将具备环境感知与自适应能力。

　　在科学、医疗与教育中，空间智能将成为人类探索的倍增器：AI可模拟实验、预测结果，加速药物研发与影像诊断；在课堂上，它能让学生“走进”分子或历史现场，使抽象知识具象可感。

　　李飞飞强调，空间智能的目标并非取代人类，而是增强人类的专业判断力、创造力与共情力，让技术更深地服务于人性。具备空间智能的AI将帮助人类理解疾病、重塑叙事形式、陪伴脆弱群体，加速科学发现与社会关怀。

　　她认为，空间智能不仅将改变AI能做什么，更将重塑人类如何与世界共处。从语言到空间，从文字到世界，AI正迈向一个真正能理解现实的新时代。

（来源：科技日报 作者：张佳欣）