当AI从处理文本和图像的“平面智能”，迈向理解与交互三维物理世界的“空间智能”，一场定义未来科技格局的竞赛已悄然开启。这不仅是算法的迭代，更是视野、战略与执行力的终极考验。

一、生成与交互，3D世界的两种战略定位

当前在AI生成3D世界的探索中呈现出两类典型技术方向，其差异本质是对 “3D 世界需求” 的不同响应，反映了行业对空间智能的初步探索逻辑。

路径一：Marble——高质量持久化世界的构建者

以World Labs旗下的Marble为代表的路径，核心竞争力在于“高保真与持久化”。用户通过图像或文本输入，可生成具备清晰几何结构、多元风格且能长期稳定存在的虚拟空间。该路径深度契合游戏开发（快速构建开放世界）、建筑设计与元宇宙内容创作等商业领域，这些场景对视觉精度和场景稳定性的需求，优先于实时交互效率。

路径二：Genie——动态交互环境的模拟引擎

Google DeepMind的Genie则代表了另一条路径：“实时交互与物理模拟”。作为世界模型，它专注于生成可根据指令实时修改、遵循物理规则的动态环境。其核心应用场景在于机器人智能体的训练（模拟现实物理规则以降低实体测试成本）、防灾应急演练模拟（复现地震废墟、火灾蔓延等动态场景）等，为科研与功能性训练提供了一个低成本、高效率的沙盒环境。

两类路径并非竞争关系，而是 “需求匹配” 的体现：若需落地商业创意，Marble 的 “高质量持久世界” 更高效；若需支撑 AI 科研或功能性训练，Genie 的 “实时动态交互” 更关键 —— 但它们共同指向一个核心问题：AI 的核心价值不仅是 “生成 3D 内容”，更在于 “理解 3D 空间逻辑”，这也是 World Labs 探索的核心方向。

二、World Labs 的 “大世界模型（LWM）”：让 AI 真正理解 3D 世界

2024 年 2 月，李飞飞团队带着 World Labs 敲开了空间智能的大门 —— 他们要做的 “大世界模型（LWM）”，核心目标是让 AI 像人类一样理解 3D 空间逻辑，实现 “感知、生成、交互” 三位一体的空间智能。这一决策并非偶然，而是基于对 AI 进化本质的深刻判断。

1. 进化视角：空间智能是生物智能的 “本源起点”

生物变聪明的起点，从来不是 “会说话”，而是 “能认路”。

从 5.4 亿年前三叶虫靠视觉躲天敌、找食物，到人类凭空间记忆记住家里钥匙的位置 —— 空间感知是生物与世界打交道的 “基本功”，而人类语言的进化不足 100 万年。李飞飞的核心逻辑是：AI 若要模拟 “真实智能”，需优先攻克 “空间理解” 这一生物智能的本源领域，不然连 “听到‘拿水杯’，就知道杯子在哪、该怎么抓” 都做不到，谈何 “通用智能”？

2. 破解现实痛点：弥合“维度断层”

当前AI存在“维度断层”：大语言模型处理1D文本，视觉模型生成2D图像，但真实世界是3D且动态的。缺乏空间智能的AI，无法让机器人自主导航于复杂环境，也难以构建真正可交互的沉浸式体验。空间智能是AGI从“数字助手”变为“物理世界行动者”的关键桥梁。

3. 技术破局点：三大核心能力构建壁垒

World Labs的“大世界模型”旨在解决三大核心难题：

• 从2D逆推3D： 通过多视角融合与几何推理，从二维图像中还原物体的三维结构与空间关系。
• 生成与重建并重： 不仅生成虚拟场景，也能对真实环境进行三维数字化重建，并内置物理规则（如重力、碰撞），避免 “物体悬浮”“穿模” 等问题，确保真实性；
• 突破 3D 数据稀缺：语言数据可从互联网获取，但 “3D 交互数据”（如抓取不同形状物体的力度）藏于人类认知，LWM 通过 “空间推理 + 少量标注数据”，让 AI 从 “依赖海量数据” 转向 “高效逻辑推演”，降低数据成本。

4. 应用前景：从科研到产业的 “底层引擎”

空间智能的应用远不止于娱乐，它将作为底层引擎驱动创新：

• 工业机器人： 实现复杂环境下的精准抓取与自主导航；
• 元宇宙与游戏：构建 “可交互持久世界”，用户可自主移动家具、改变场景布局；
• 防灾与教育：模拟地震、火灾的 3D 动态场景，用于消防员训练；搭建 “原子结构 3D 实验室”，让学生直观理解微观空间。

三、从 ImageNet 到 World Labs：李飞飞的创业方法论启示

对创业者与投资人而言，World Labs 的价值不仅是技术方向，更是李飞飞 “从 0 到 1” 的实践方法论 —— 这种方法论，早在 16 年前打造 ImageNet 时就已成型。

2009 年，当 “让机器识别万物” 还被视为天方夜谭时，李飞飞的逻辑很简单：“算法识别万物的秘诀，在于无所不包的训练集”。她组织全球 4.8 万名贡献者，从 10 亿张图片中筛选 1500 万张，手工标注 2.2 万个类别 —— 这个过程中，她面临 “几乎所有人反对”“找不到队友”“无法反驳批评合理性” 的困境，但她的坚持逻辑是：“只要底层逻辑成立、能创造价值，就先做再说”。

最终，ImageNet 为杰弗里・辛顿团队的卷积神经网络突破提供了关键支撑，成为计算机视觉产业爆发的重要推动因素。如今，这种逻辑延续到 World Labs：“回到智能本源”，攻坚空间智能 —— 不是追逐热点，而是解决 “AI 无法落地物理世界” 的根本问题。

给创业者和投资者的启示：

• 从 “可能性” 入手：先相信 “空间智能” 是未来，即使路径不明朗；
• “做了再说” 的勇气：在方向大致正确时，用最小化可行产品（MVP）快速验证，而非等待完美方案；
• 坚守 “底层逻辑”：只要坚信所创造的价值是真实的，就要有穿越坎险的韧性。

四、坎卦的智慧：科技创业中的“险中求进”

创业从不缺挑战 ——3D 算法攻坚、数据稀缺、市场教育成本高，困境是常态。《易经》坎卦卦辞 “习坎，有孚维心，亨，行有尚”，为应对挑战提供了哲学启发。

• “习坎”：将挑战视为探索过程的常态，将其视为成长中的 “闯关”，每一次挑战都在增益心理韧性与应对能力；
• “有孚”：即在动荡中不忘初心，坚守内心的信念与诚信 —— 这是定力的源泉。李飞飞从 ImageNet 到 World Labs，始终坚守 “让 AI 理解世界” 的核心目标，未因短期技术热点而偏离，这种对 “长期价值” 的忠诚，是穿越技术周期的关键；
• “行有尚”：最终，行动才是破局的关键。要像水一样，遇阻则迂回，但始终保持流动不息。当 3D 数据获取困难时，World Labs 转向 “空间推理 + 少量数据”，而非硬拼数据规模 —— 这种源于《易经》的 “守本心而变方法” 的哲学智慧，正是穿越技术与市场周期的精神内核。

结语：空间智能，AGI 从 “理论构想” 走向 “产业落地” 的关键环节

回望历史，李飞飞与 ImageNet 的成功，核心并非技术的必然胜利，而是 “本源思维”（洞见数据是智能的基石）与 “先做再说” 的勇气的胜利。今天，Marble 与 World Labs 正以同样的逻辑，聚焦 “空间智能” 这一 AI 理解并进入物理世界的基石。

投资与创业的真正分水岭，在于能否完成从 “知” 到 “行” 的惊险一跃 —— 将 “空间智能是未来” 的共识性判断，转化为策略、资源与时间上的坚定配置。当 AI 真正打通这一关键环节，能真正 “理解 3D 空间” 时，它将从 “辅助工具” 蜕变为 “行动伙伴”—— 而这一天的到来，始于当下对空间智能的坚守与探索。

视频版