來源：機器熊貓Robot

大家好，我是機器熊貓Robot。

在生成式大模型浪潮席卷全球的當下，大部分技術路線依然建立在以語言為中心的訓練范式之上。ChatGPT、Claude、Gemini、Deepseek……這些模型以Transformer為核心，通過對海量文本數據的學習，展現出驚人的推理、問答、編程與多輪交互能力。

然而，AI教母李飛飛認為：語言模型只是智能建構的壓縮維度，真正通用的人工智能必須具備對三維空間的理解、建模與生成能力。

她創立的公司World Labs其核心愿景是構建AI的“空間操作系統”，以“世界模型（World Model）”為中心，推動人工智能從語言認知走向物理空間理解，實現對環境、行為與場景的端到端建模。

「 01 」
從語言壓縮包到空間操作系統：

World Labs的戰略起點

李飛飛在近期接受 A16Z 采訪中指出：

“語言是現實的壓縮編碼，而空間才是智能的本體。”

這一觀點本質上是對人類智能演化路徑的反思。語言的進化不過短短十萬年，而空間感知、物體識別與運動理解，早在人類祖先甚至爬行動物時代就已深度嵌入神經系統。視覺皮層、海馬體、鏡像神經元等結構共同構成了“空間認知”的生物基礎。

World Labs的目標，即是將這一智能遺產結構化、模型化，納入下一代AI系統之中。

目前其研究與產品方向涵蓋：

• 高精度三維重建（NeRFs, Gaussian Splatting）

• 多模態空間建模（圖像 + 點云 + 視頻 + 音頻 + IMU）

• 空間生成模型（Spatial Diffusion Models）

• 虛擬環境模擬與機器人交互訓練

李飛飛提出，AI不應僅僅模擬人類語言，而應具備像人類一樣在空間中感知、推理、建模和行動的能力。World Labs希望構建的，是AI時代的空間引擎（Spatial Engine）。

「 02 」
空間感知的技術臨界點：

新一代世界建模基礎設施

在技術演化層面，李飛飛判斷：構建世界模型的“空間AI技術棧”已接近臨界點。幾個關鍵技術正在交匯融合：

技術

發展趨勢

對世界模型的貢獻

NeRF / GS

實時重建、體素壓縮

提升3D場景建模精度與速度

擴散模型（Diffusion Models）

高質量圖像生成 → 三維生成擴展

空間內容的生成式建模基礎

圖形學與渲染系統

Unity、Unreal 與神經圖形深度融合

為訓練與測試提供高保真虛擬環境

空間感知硬件

RGBD、激光雷達、慣性單元小型化

支持更精細的數據采集與多模態建模

李飛飛認為，當前的多模態大模型（如GPT-4o、Gemini 1.5 Pro）雖然在語音、圖像等感知維度上取得突破，但缺乏對物理空間的建模能力，難以支持機器人或虛擬體的復雜場景泛化與實時決策。

而World Labs的路徑是在現有大模型的語言引擎之上，融合三維建模、空間理解與物理推理能力，打造下一代“世界操作系統”。

「 03 」
從規劃到生成：

世界模型的另一種理解——DeepMind的學習論路徑

與李飛飛“從空間建模出發”不同，DeepMind研究者 Jon Richens（2024年ICML）則從任務泛化與強化學習智能體的角度提出了另一種“世界模型”范式：

能夠在不同任務中泛化并成功執行復雜操作的智能體，必然隱式地學習了其所處環境的動態結構，即“世界模型”。

該理論框架下，“世界模型”并非工程搭建的顯性系統，而是在策略(policy)與目標(goal)的不斷交互中隱性演化出來的模型結構。

Richens 提出的三角世界模型結構：

1. State Dynamics Model（狀態動態模型）：預測環境在操作后的變化

2. Policy Model（策略模型）：定義在當前狀態下采取何種行動

3. Value/Goal Model（目標模型）：定義當前狀態的價值或偏好方向

這三者共同形成一個可泛化的強化學習閉環結構，在多任務學習過程中，智能體逐步內隱構建出對世界的抽象預測模型。

簡言之：能進行復雜泛化的智能體，一定具備內部世界模型。

「 04 」
從“看懂世界”到“造出世界”：

世界模型的兩大主線

方向

代表人物

研究核心

核心應用

構建論（建模驅動）

李飛飛（World Labs）

空間是智能根基，應顯式建模三維世界

虛擬人、數字孿生、機器人操作系統

學習論（策略演化）

JonRichens（DeepMind）

世界模型是在目標-策略交互中隱式學習而成

通用強化學習、多任務AI系統

這兩種路徑從不同角度切入“世界模型”的構建：

• 構建論強調空間結構與物理規律的表達，是基礎設施導向。

• 學習論強調從智能體行為中反推環境建模，是行為主義導向。

二者并不對立，而可能形成建模與學習的融合循環：
構建好的三維空間 → 供智能體策略訓練 → 再反向修正世界模型 → 更好生成虛擬空間 → 形成閉環世界引擎。

寫在最后：

“世界模型”已成為通用人工智能研究中的重要范式標簽，它不再局限于圖像識別、目標檢測等感知任務，而是擴展為一種整體理解、預測與重構現實世界的智能機制。

World Labs 提出的構建式空間操作系統路徑，或許將成為機器人智能、虛擬現實、元宇宙、數字孿生系統等未來應用的基礎底座。

真正的AI，不是能說話的ChatGPT，而是能感知、建模、推理并行動的 embodied intelligence。世界模型，正是這一躍遷的邏輯核心。

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到3月31日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）