科技日報記者 張佳欣

人工智能（AI）的發展正在進入一個全新階段，或將從“理解語言”走向“理解世界”。

11月10日，美國斯坦福大學教授、World Labs聯合創始人李飛飛發文《從語言到世界：空間智能是AI的下一個前沿》，提出“空間智能”將成為AI攀登的下一座高峰。她指出，當前以大型語言模型為代表的AI系統雖然能熟練生成文字與圖像，卻仍停留在“語言的世界”中，困于“紙上談兵”，缺乏對現實空間、物理規律與因果關系的真正理解。而具備空間智能的AI將突破這一瓶頸，像人類一樣在現實世界中感知、推理和行動。

從算法智能到空間智能

當今的大型語言模型在閱讀、寫作和模式識別上表現出色，卻在物理世界的表征與交互上存在根本局限。即使是最新的多模態大模型，在估算距離、方向、大小時的表現也往往不及隨機水平。它們無法在空間中導航、辨識捷徑，也不能穩定預測最基本的物理規律。此外，AI生成的視頻雖令人印象深刻，卻往往在幾秒之內失去連貫性。

這些局限使得AI難以真正賦能人類的創造性工作。無論是幫助學生理解復雜的分子化學概念，協助建筑師構思空間結構，還是為導演、游戲設計師構建虛擬世界，目前的AI距離這一目標尚遠。

在李飛飛看來，空間智能是人類認知建構的腳手架，驅動著想象、創造與推理，是連接感知與行動的核心能力。這種能力讓人們輕松完成停車時估算車距、在人群中自如穿行等日常動作，其核心在于將想象、感知與行動融為一體，實現從“知道”到“理解”的跨越。

她認為，空間智能代表著超越語言的邊界，融合了想象、感知與行動，讓機器不僅理解“看到了什么”，還理解“這些東西如何關聯、意味著什么、為何重要”。這類AI將能真正拓展人類的創造力與理解力，從醫療健康到藝術創作，從科學探索到日常輔助，將會帶來前所未有的變革。

構建世界模型是實現路徑

李飛飛文中提出，要實現真正的空間智能，就需要突破現有大型語言模型的范式，轉向一種更為根本的世界模型。這種新模型不僅能理解語義關系，更能在幾何、物理和動態規則上一致地“想象”和“重建”世界。它應當能感知多模態輸入，預測場景變化，并與環境進行交互。

當前研究方向包括生成三維物體與場景的3D生成模型、模擬動態過程的物理引擎，以及通過交互學習的具身智能系統。但真正能整合上述全部能力的通用世界模型仍處于起步階段。

李飛飛創立的World Labs正嘗試推動這一前沿研究。其團隊研發的世界模型可在語義與幾何層面理解復雜3D場景，推理其中的物理屬性與交互關系，并生成連貫、可探索的虛擬空間，交互中還可遵守物理與幾何規律。

其開發的Marble平臺已率先應用了這些能力，創作者無需傳統3D建模工具，就能快速創建和編輯完整的虛擬世界。這意味著AI正在從理解語言邁向理解空間，從生成圖像邁向生成世界。

重塑人類如何與世界共處

“距自然界第一次在遠古動物中孕育出空間智能，已過去近五億年。如今，我們有幸成為可能賦予機器同樣能力的一代技術人。”李飛飛文中寫道。她認為，空間智能將重新定義AI的功能和行為方式。借助世界模型，機器將從被動分析轉向主動規劃和適應。例如，倉庫機器人可繞過不斷變化的庫存規劃路徑，而不是在被阻擋時停止；自動駕駛汽車可預測行人的移動，而不是等待明確的信號；甚至有一天，數字助理也能解讀手勢、空間環境或共享的視覺框架。

具體而言，在創意與敘事領域，空間智能將重新定義人類的創造方式。導演和游戲設計師可自由構建虛擬世界，建筑師能即時可視化結構與比例，個人創作者與學生也能借助虛擬現實、擴展現實技術在三維空間中“造世界”。

在機器人領域，空間智能是實現具身智能的關鍵。它讓機器人能在虛擬環境中高效訓練、理解空間關系與人類意圖，從實驗室助手到家庭陪護都能安全協作。未來，從納米醫療機器人到軟體探測機器人，AI都將具備環境感知與自適應能力。

在科學、醫療與教育中，空間智能將成為人類探索的倍增器：AI可模擬實驗、預測結果，加速藥物研發與影像診斷；在課堂上，它能讓學生“走進”分子或歷史現場，使抽象知識具象可感。

李飛飛強調，空間智能的目標并非取代人類，而是增強人類的專業判斷力、創造力與共情力，讓技術更深地服務于人性。具備空間智能的AI將幫助人類理解疾病、重塑敘事形式、陪伴脆弱群體，加速科學發現與社會關懷。

她認為，空間智能不僅將改變AI能做什么，更將重塑人類“如何與世界共處”。從語言到空間，從文字到世界，AI正邁向一個真正能理解現實的新時代。