AI领域的两位巨擘李飞飞和杨立昆，正以截然不同的技术路径，竞逐世界模型这一AI新赛道。World Labs与AMI Labs分别代表了生成式与因果推理两种方向，谁将主导AI理解物理世界的未来？此文深入剖析了两家公司的技术理念、商业布局和战略差异，揭示了下一代AI的发展脉络。
智能速览
李飞飞的World Labs在16个月内估值飙升至50亿美元。
杨立昆的AMI Labs寻求30亿欧元估值，主打联合嵌入预测架构（JEPA）。
World Labs产品Marble利用神经辐射场和高斯点云生成3D世界。
AMI Labs押注医疗保健，其世界模型旨在解决大语言模型的幻觉问题。
两条技术路径最终可能融合，共同推动AI从二维理解走向三维认知。
精华内容
两位AI巨擘的背书与巨额融资，让世界模型从概念走向商业竞争。其背后是对AI本质的深刻分歧：是学习外观还是理解规律？
空间智能落地
李飞飞的World Labs估值在16个月内从10亿美元飙升至50亿美元，其核心产品Marble旨在通过“空间智能”技术生成可交互的3D世界。该技术底层采用神经辐射场和高斯点云，能从少量图片构建出符合视觉规律的连续场景，而非简单的多边形组装。
Marble的目标客户是游戏开发者和影视特效团队，支持导出至Unity和Unreal Engine，并兼容苹果Vision Pro和Quest 3。其商业模式为免费增值，月费20至95美元不等。不过，当前生成的世界仍缺乏对物理因果的理解，例如生成的罗马拱门并不知道移除一块砖的后果，这更多是基于视觉关联的学习。
因果推理探路
杨立昆创立的AMI Labs寻求以30至35亿欧元估值融资，其核心技术是倡导多年的联合嵌入预测架构（JEPA）。与逐像素生成的模型不同，JEPA直接在抽象嵌入空间中进行预测，关注高层次特征和因果关系，能避免大语言模型的“幻觉”问题。
AMI Labs尚未有成型产品，但已锁定医疗保健作为首个应用领域，通过与Nabla合作开发临床AI助手。世界模型通过模拟患者生理状态，可提供更可靠的决策支持，这正是FDA认证所看重的确定性。此举旨在解决高风险场景下的AI可靠性难题。
路径之别与融合
两家公司展现了鲜明的战略差异。World Labs扎根硅谷，瞄准游戏、影视等存量市场，产品已落地，商业模式清晰，策略务实。AMI Labs则立足巴黎，获得法国政府背书，押注工业、医疗等增量市场，追求技术突破，风险更高但潜在回报也更大。
技术理念上，李飞飞相信通过海量数据学习隐式空间理解，而杨立昆坚持必须显式建模物理规律。尽管路径不同，但二者并非完全对立。World Labs的生成能力可为因果模型提供训练数据，而JEPA的推理能力则能增强生成世界的物理一致性，二者融合或许是最终方向。
无论是李飞飞的务实路线，还是杨立昆的终极探索，世界模型都正引领AI从理解语言迈向理解物理世界的关键一步。这条赛道的技术突破将重塑游戏、医疗乃至机器人行业。当AI真正掌握物理规律时，我们的世界会发生怎样的变化？
