AI领域的权威人物李飞飞提出了一个与当前主流相悖的观点：单纯依靠大语言模型无法实现真正的通用人工智能。她认为，源自生物进化早期、更基础的空间智能，才是解锁AGI的关键。这一判断不仅重新审视了AI的发展路径，也为我们理解机器如何感知和交互物理世界提供了全新的视角。
智能速览
单纯的大语言模型无法通往AGI，它将被困在数字世界中。
空间智能是比语言更古老、更基础的智能形式，源自5亿年前的感知演化。
World Labs推出的Marble模型，能生成具有几何结构和物理一致性的3D世界。
世界模型发展将迎来类似LLM的Scaling Law爆发时刻，合成数据是关键。
通用机器人是3D逻辑，其核心任务是精确接触而非避障，难度高于自动驾驶。
精华内容
当整个业界都为大语言模型狂欢时，李飞飞却冷静地指出了其局限。她认为，要真正实现通用人工智能，我们必须回归更古老、更底层的智能形式——空间智能，让AI能够理解并与我们生活的三维物理世界互动。
语言的局限性
李飞飞从生物进化史的宏观视角，指出了大语言模型的根本局限。语言在人类进化史上仅有约50万年的历史，是极其晚近的产物。相比之下，视觉和触觉等感知能力，早在5亿年前的寒武纪就开启了神经系统的演化。如果AI只具备语言能力，它将永远无法理解物理世界的规律，只能被禁锢在数字的像素中。
何为空间智能
空间智能，即机器理解、推理并与三维物理世界进行交互和导航的能力。这是比语言更基础、更核心的智能。李飞飞认为，只有让AI补齐这一短板，具备物理直觉，才能真正迈向AGI。它要求AI不仅能“看”到世界，更能“理解”世界的结构和运行方式。
Marble：世界模型实践
作为空间智能的初步实践，World Labs发布了首款产品Marble。它是一个前沿的空间智能模型，能接收文本、图片等多模态输入，并将其转化为一个完全可导航、可交互且具有永久物理一致性的3D世界。与Sora等视频模型不同，Marble生成的不是像素动画，而是一个拥有几何结构和物理属性的虚拟空间。
目前，Marble已被应用于游戏开发、影视特效、机器人训练和室内设计。一个意想不到的应用是在医疗领域：临床研究人员用它为强迫症患者生成个性化的触发环境，进行暴露疗法治疗。
突破数据瓶颈
世界模型的发展曾长期受限于数据瓶颈。物理世界的像素和体素数据充满噪音，难以大规模获取。为此，World Labs采取了混合数据策略：结合互联网现有的图像视频数据、仿真模拟数据以及真实世界采集的数据。李飞飞预判，随着合成数据技术的成熟，世界模型领域即将迎来类似大语言模型的Scaling Law爆发时刻，算力增长与模型架构创新将共同推动飞跃。
机器人的更高维度
李飞飞提出，通用机器人而非自动驾驶，才是AI技术的“皇冠”。她清晰地界定了两者的逻辑差异：自动驾驶是2D逻辑，核心任务是在二维平面移动并避障，“不碰到东西就是胜利”。而通用机器人是3D逻辑，其核心任务恰恰是“接触”，必须在三维空间中与物体进行精确、不具破坏性的交互。这是一个维度更高、挑战更大的难题。
李飞飞的判断为AI发展提供了一条冷静而富有远见的路径，强调了物理世界感知的重要性。空间智能不仅是技术上的突破，更是让AI走出屏幕、服务人类的关键。这项技术将如何重塑医疗、制造和日常生活，值得我们持续关注和期待。
关键评论
通用机器人是3D逻辑，核心是接触而非避障，其维度远高于自动驾驶的2D逻辑。
理解了3D世界的模型仍可能无法打通AGI，因为人类对时间构成的4D世界也未能全面理解。
