空间智能：AI的下一个突破点

美国当地时间11月10日，AI领域的领军人物李飞飞发表了一篇深度文章，揭示了AI未来的新战场——“空间智能”（Spatial Intelligence）。她系统地阐述了空间智能的实质、重要性及如何构建能解锁其潜力的世界模型。

李飞飞尖锐地指出了当前AI的“致命缺陷”：它们如同“黑暗中的文字匠”，只懂语言，不懂世界！尽管掌握了海量的抽象知识，但对于物理世界的常识和空间规律，如“物体形状如何？”“多大力气会推倒杯子？”这类问题，它们几乎一无所知。

这种缺陷严重阻碍了AI的升级之路，解释了为什么自主机器人还像蹒跚学步的孩子，为什么我们渴望的沉浸式元宇宙体验还遥不可及。

李飞飞教授警告：AI的下一个十年的真正突破，不再是文字的堆砌，而是要解锁“空间智能”——这是连接感知、想象和行动的终极能力。

文章发布后，立即在社交平台引发热议：

AI已经学会了“看”和“说”，而下一步，我们正在努力教它理解并适应我们所在的这个真实世界。

空间智能是世界模型中缺失的一环，它将推动LLM的能力实现巨大飞跃，只要因果推理能力和能效达到相应水平，我们就将站在通往AGI的拐点上。

以下是李飞飞的完整撰文内容：

从文字到世界：空间智能是AI的下一个前沿

自艾伦·图灵在1950年提出“机器能否思考？”的哲学问题以来，AI的探索从未停歇。如今，以大语言模型（LLM）为代表的尖端技术正改变我们获取和运用抽象知识的方式。然而，它们仍像“黑暗中的文字匠”，缺乏实际经验。空间智能将重塑我们创造现实世界与虚拟世界的方式，推动多个领域的革命性进步。

我投身AI研究多年，深知视觉与空间智能的重要性。因此，我构建了ImageNet，这一大规模视觉学习与基准测试数据集成为现代AI的支柱之一。在斯坦福的实验室，我致力于将计算机视觉与机器人学习融合。与团队共同创立的World Labs，正是为了首次实现这一愿景。

本文将探讨空间智能的内涵与价值，并展示如何通过构建世界模型来释放其潜能。这场变革将重塑创造力、具身智能乃至人类文明的进程。

空间智能：人类认知的基石

今天的AI比以往更令人振奋。生成式AI从实验室走向日常生活，成为数十亿人创作、生产与沟通的工具。然而，我们仍面临诸多挑战。自主机器人仍停留在概念阶段，许多领域的研究加速梦想尚未实现。真正能理解并赋能人类的AI仍遥不可及。

要理解这些能力为何难以突破，我们需要回顾空间智能的演化历程。视觉长期被视为人类智能的基石，其力量源于更本质的源头。感知能力在智能进化中扮演了关键角色。空间智能定义了我们与物理世界的互动方式，从日常动作到极端情境下的应对。

遗憾的是，当前AI尚未具备这种思维能力。尽管取得了显著进展，但在表征物理世界或与现实互动时仍存在根本缺陷。缺乏空间智能，AI就无法胜任驾驶、医疗机器人、新型学习娱乐体验等任务。

AI未来十年：构建真正具备空间智能的机器

我们该如何构建具备空间智能的AI？World Labs在创立时坚信：基础范式尚在形成之中，这将成为未来十年的决定性课题。实现空间智能需要比大语言模型更宏大的构想——世界模型。

这样的世界模型需具备三项核心能力：生成性、多模态和交互性。这些技术路径正在孕育中，World Labs正致力于攻克这些方向。

我们当前的重点课题包括：

新型通用训练目标函数

大规模训练数据

新型模型架构与表征学习

尽管面临严峻挑战，但World Labs已取得积极进展。我们向部分用户展示了首款世界模型Marble的雏形，支持创作者在工作流中进行探索、互动与深度开发。

运用世界模型，为人类构建更美好的世界

驱动AI发展的初心至关重要。我的信念始终明确：AI必须增强人类能力，而非取代人类。空间智能的应用将分阶段展开，从创意工具到机器人技术，再到科学应用。

创造力：为叙事与沉浸体验注入超能力

空间智能将变革我们创造和体验叙事的方法。World Labs的Marble平台将为电影制作人、游戏设计师等提供前所未有的空间能力和编辑控制力。

机器人技术：行走中的具身智能

空间智能对机器人至关重要。通过世界模型扩展机器人学习，伙伴与协作者将在急需劳动力的领域发挥作用。

更长远的前景：科学、医疗保健与教育

空间智能还将延伸至科学研究、医疗保健和教育领域。在科学研究中，它可模拟实验、并行验证假设；在医疗保健中，它可重塑从实验室到病床的方方面面；在教育领域，它可实现沉浸式学习。