“当下的LLM，不过是黑暗中的文字匠。”
近日，斯坦福大学教授、AI领域泰斗级人物李飞飞的一篇长文《从语言到世界：空间智能是AI的下一个前沿》，在科技圈掀起轩然大波。这位曾主导谷歌云AI、一手推动计算机视觉发展的“AI教母”，直接向当下炙手可热的大语言模型（LLM）“开炮”，同时抛出一个颠覆性观点：空间智能，才是AI突破瓶颈的核心方向。
当然，李飞飞此时发文，很可能也是为自己创办的公司 World Labs 造势。
成立于2024年4月的 World Labs，致力于攻克空间智能。它在2024年9月宣布获得2.3亿美元融资，投资者包括 a16z、英伟达、AMD、英特尔、Hinton、领英创始人 Reid Hoffman、谷歌首席科学家 Jeff Dean、谷歌前 CEO Eric Schmidt 等一众大佬。
一个多月前——也就是官宣融资一年后，World Labs 推出了空间智能模型 Marble 预览版，目前处于限量开放阶段。
据官方介绍，Marble 模型仅凭一张图片或文本提示就能生成持久存在、可无限探索的3D世界。
之前这一方向的代表是谷歌 Genie。在发布 Marble 时，李飞飞及团队曾回应称自家模型的独特之处是能生成永久持续的“世界”。用户可以随时访问已创建的世界，后续再次访问时，场景结构、细节能完全保持一致，而非短暂的交互体验。
当我们还在惊叹GPT-4的文本创作能力、沉迷AI绘画的新奇体验时，李飞飞的发声无疑给狂热的AI圈浇了一盆“清醒水”。今天，我们就来深度拆解这篇长文的核心逻辑，看看空间智能究竟藏着怎样的未来图景。
一、LLM的致命短板：懂文字，却不懂“世界”
李飞飞并不否认LLM的成就——它能写代码、撰论文、生成逼真图像，彻底改变了人类获取和处理抽象知识的方式。但在她看来，LLM的“致命伤”在于缺乏现实世界的根基，是一种“悬浮的智能”。
她在文中给出了一组扎心的对比：当让LLM估算书桌到房门的距离、想象一个魔方旋转后的形态，甚至规划简单的迷宫路线时，它的表现竟然不如随机猜测。这种对物理空间、几何关系和现实规律的“无知”，直接导致AI的落地场景被严重限制——自主机器人无法灵活应对家庭环境、AI辅助疾病治疗难以精准模拟分子结构、新材料研发更是无从谈起。
“文字只是人类认知世界的工具之一，而非全部。”李飞飞的批判直指核心：当AI只会在文字构建的虚拟世界里“自说自话”，却无法理解真实空间的运行逻辑时，所谓的“通用智能”不过是空中楼阁。
二、空间智能：人类认知的“隐形脚手架”
既然LLM有局限，那AI的下一站该去往何方？李飞飞给出的答案是——空间智能。
她将空间智能定义为“人类认知的脚手架”：这种能力不仅关乎“看”，更是感知、行动、想象与创造的交汇点。从我们每天停车入库时对距离的精准判断，到消防员在坍塌建筑中凭直觉定位幸存者；从婴儿学说话前通过触摸、爬行认识世界，到埃拉托斯特尼通过影子几何关系计算地球周长、沃森和克里克借助3D模型破解DNA结构——人类文明的每一次重大突破，几乎都离不开空间智能的支撑。
与LLM的“文字逻辑”不同，空间智能的核心是“世界逻辑”：它能理解物体的几何形态、空间位置关系，预测物理运动规律，甚至通过想象构建不存在的空间。在李飞飞看来，这才是AI从“辅助工具”升级为“共创伙伴”的关键所在。
三、突破口已现：Marble系统构建“可漫游的三维世界”
空谈概念不足以服众，李飞飞团队早已用实际成果给出了证明。她创办的World Labs在2025年推出的首个世界模型Marble，被业内誉为“空间智能落地的里程碑”。
这款系统的厉害之处在于，它能仅凭一张照片或一段文字提示，生成一个可自由漫游、几何一致、风格可控的三维世界。不同于传统3D建模需要专业人员耗时数周搭建，Marble生成的场景不仅能让用户“环顾四周”，还能探索画面之外的隐藏空间——比如根据一张客厅照片生成三维场景后，你可以“推开”卧室门，看到里面符合物理逻辑的家具摆放；输入“赛博朋克风格的老街”，它能同步还原灯光阴影、材质纹理，甚至墙面的斑驳痕迹。
Marble的底层逻辑，正是李飞飞提出的“世界模型”三大核心能力：
- 生成性：创造符合几何规律和物理一致性的空间，避免“物体悬浮”“墙面变形”等常识性错误；
- 多模态：融合图像、文本、动作等多种输入，既能通过照片还原场景，也能通过文字调整风格；
- 交互性：用户的每一次视角移动、场景修改，都能触发系统对后续状态的精准预测。
更关键的是，Marble解决了传统3D创作“高成本、低效率”的痛点。过去需要专业美术团队花费数月完成的影视场景搭建，现在通过简单提示就能快速生成，甚至支持无缝拼接多个场景，构建“无限扩展”的虚拟世界。
四、不止于“好玩”：空间智能的千亿级应用图景
当空间智能从实验室走向现实，它能带来的远不止“一键生成3D场景”的新奇体验。李飞飞在文中描绘了一幅横跨多领域的应用蓝图，每一个都足以颠覆行业：
1. 创造力领域：人人都是“空间设计师”
建筑师可以通过文字提示快速生成建筑雏形，再在三维场景中实时调整结构；电影导演无需搭建实体布景，就能生成符合剧情的虚拟场景，甚至让演员直接在绿幕前与AI生成的环境互动；游戏开发者更是能批量生成风格统一的关卡地图，大幅降低研发成本。
2. 机器人与自动驾驶：告别“纸上谈兵”
当前机器人之所以难以走进家庭，核心是无法精准理解家居空间的布局和物体位置。而搭载空间智能的机器人，能像人类一样“看懂”环境——避开地上的玩具、精准抓取桌上的水杯；自动驾驶系统则可利用生成的海量虚拟道路场景进行训练，大幅降低实车测试的风险和成本。
3. 科研与文化：让“不可见”变为“可触摸”
在医学领域，AI可生成人体器官的三维模型，帮助医生更直观地规划手术方案；在新材料研发中，通过模拟分子的空间结构和运动规律，加速研发进程。更值得一提的是文化遗产保护——通过几张老照片，AI就能还原古建筑的三维场景，让用户“走进”早已消失的历史空间。上海博物馆已通过类似技术实现AR实景导航，而Marble的出现，将让这种体验升级为“沉浸式穿越”。
五、AI的终极目标：不是取代人类，而是“共创世界”
在长文的结尾，李飞飞特别强调了空间智能的伦理边界：“AI的使命不是取代人类，而是增强人类的创造力。”Marble的设计逻辑也印证了这一点——它不是“一键生成后就万事大吉”，而是构建了“提示—生成—协同修改”的循环，让人类创作者始终掌握主导权。
从LLM的“文字狂欢”到空间智能的“世界构建”，AI的发展正在回归本质：技术的价值，终究要服务于人类对现实世界的认知和改造。李飞飞的发声，与其说是对LLM的批判，不如说是对AI行业的提醒——真正的前沿，从来不是在既有赛道上内卷，而是找到通往“真实世界”的入口。
当AI能像人类一样“看懂空间、想象世界”，你觉得最先被改变的会是哪个行业？欢迎在评论区留下你的观点～
