加州: AI教母李飞飞最新长文火爆硅谷(图

1950年，当计算机还只是自动化算术和简单逻辑时，艾伦·图灵提出了一个至今仍回荡的问题：机器能思考吗？

他能看到别人尚未看到的未来，需要非凡的想象力——那就是：智能或许有一天可以被“构建”，而非“诞生”。

这一洞见催生了一场持续至今的科学征程——人工智能（AI）。在我投身AI研究的25年中，图灵的愿景依然不断启发着我。但我们距离那一愿景有多近？答案并不简单。

今天，以大语言模型（LLM）为代表的前沿AI技术，已经开始改变人类获取与处理抽象知识的方式。然而，它们仍然是“黑暗中的文字匠”：能言善辩，却无经验；知识丰富，却缺乏根基。

空间智能（spatial intelligence）将改变我们创造和交互现实与虚拟世界的方式——彻底革新叙事、创造力、机器人学、科学发现，以及更多领域。这，正是AI的下一个前沿。

自我进入这一领域以来，对视觉与空间智能的探索就一直是我的“北极星”。这也是我为何花费多年时间构建了 ImageNet——首个大规模视觉学习与评测数据集。

它与神经网络算法、现代算力（如GPU）一道，成为孕育现代AI的三大关键要素。也是为何我的斯坦福实验室在过去十年中，将计算机视觉与机器人学习相结合。

同样，这也是我与联合创始人Justin Johnson、Christoph Lassner、Ben Mildenhall一年前共同创建 World Labs的原因：为了第一次真正实现这一可能性。

在这篇文章中，我将解释什么是空间智能、为什么它重要、以及我们如何构建能够解锁它的“世界模型（world models）”——这种技术将深刻重塑创造力、具身智能与人类进步。

空间智能：人类认知的脚手架

AI从未像今天这样令人振奋。以生成式AI为代表的模型，如LLM，已从研究室走向日常生活，成为数十亿人创作、生产与交流的工具。

它们展示了曾被认为不可能的能力：生成连贯的文本、成山的代码、逼真的图像，甚至短视频。 AI是否会改变世界？——从任何合理的定义来看，它已经做到了。

佩洛西即将退休她女儿宣布竞选加州参议员

"赴美盗窃"的智利职业大盗,从加州监狱逃跑了

章子怡现身洛杉矶,穿道袍,被李安抱怀里亲脸蛋

然而，仍有大量潜能未被触及。自动化机器人的愿景依然诱人却遥远；在疾病治疗、新材料发现、粒子物理等领域的研究加速梦仍未实现；

真正能够理解并赋能人类创作者的AI，无论是学习复杂分子化学概念的学生、构想空间的建筑师、构建世界的电影人，还是任何希望沉浸于虚拟体验中的人都仍未到来。

要理解为何这些能力依旧难以实现，我们需要回溯：空间智能是如何演化的？它又如何塑造了我们理解世界的方式？

视觉长期以来是人类智能的基石，但它的力量源自更为根本的东西。早在动物能筑巢、抚育后代、用语言交流或建立文明之前，那看似简单的“感知行为”：感受到一缕光、触到一种质感就已经悄然点燃了通向智能的进化旅程。

这种从外部世界汲取信息的能力，在感知与生存之间搭建起一座桥梁，而这一桥梁在漫长的进化中变得愈发复杂。

神经元层层叠加，形成能解释世界、协调生物与环境互动的神经系统。因此，许多科学家认为，“感知—行动”循环成为了智能进化的核心机制，也是自然孕育出我们这个物种的根基——一个能感知、学习、思考与行动的终极存在。

空间智能在我们与物理世界的互动中扮演着基础性的角色。每天，我们都在依赖它完成最平常的动作。

停车时想象车尾与路缘的距离；接住被抛来的钥匙；在人群中穿行而不碰撞；半睡半醒间准确地将咖啡倒进杯中。

在极端情况下，消防员穿行于坍塌建筑与浓烟之中，瞬间判断稳定性与生死抉择，通过肢体语言和本能默契沟通——这些都无可言传。而婴儿则在学会语言前的漫长时光里，通过玩耍与环境互动来认识世界。

这一切都在直觉中、自然而然地发生——一种机器至今未能获得的流畅能力。

空间智能同样是我们想象力与创造力的基石。讲故事的人在脑中构建出丰富的世界，并用各种视觉媒介将之传达给他人。

从原始洞穴壁画，到现代电影，再到沉浸式电子游戏。无论是孩子在沙滩上筑城堡，还是在电脑上玩《我的世界》，这种以空间为根基的想象构成了人与虚拟世界交互体验的基础。而在工业应用中，对物体、场景与动态交互环境的模拟则支撑着从工业设计、数字孪生到机器人训练等无数关键场景。