我们每天为你更新硅谷最新的AI创业与科技播客总结，让你与前沿保持同频。 全文约4000字，如果你现在没有时间，尝试转成播客稍后再听
“文字能灭火吗？文字能煎蛋吗？”
“把政策建立在科学之上，不要建立在科幻小说之上。”
“我的希望在人类身上。”
李飞飞是斯坦福大学教授、ImageNet 创建者，也曾负责 Google Cloud 的 AI 业务。她在成都长大，十几岁随家人移居新泽西，读普林斯顿物理系时，周末还要帮家里经营干洗店。后来她在加州理工完成博士训练，转向当时几乎没有资本和声量的计算机视觉研究。此后，她参与美国政府和联合国的 AI 政策讨论；2024 年又与几位长期合作者创办 World Labs，把研究从“让机器看见”推向“让机器理解并进入三维世界”。
这次接受 Bloomberg 主持人 Emily Chang 采访时，李飞飞把话题带到了聊天机器人之外。她关心大语言模型仍然做不到的事：理解空间、预测物理变化，并据此采取行动。她也演示了 World Labs 的第一款产品 Marble，解释空间智能可能怎样进入影视制作、游戏和机器人训练。对于已经习惯用 ChatGPT 处理文字的人，这期内容给出了一张很具体的路线图：AI 接下来要补的能力，很可能藏在语言之外。
ImageNet 的真正启示，是先把数据做出来
2006 年，计算机视觉还是一个少有人关心的研究方向。李飞飞发现，当时大家把主要精力放在算法上，很少有人认真讨论训练数据。她和学生反过来做了一件笨重的事：整理 1400 万张图片，覆盖 2.1 万多个类别，建成当时规模最大的视觉数据集 ImageNet。 她当时的判断很朴素，机器要学会识别世界，先得看过足够多的世界。
ImageNet 早期团队画面。李飞飞团队从 2006 年开始建设包含 1400 万张图片、超过 2.1 万个类别的数据集，为后来的视觉模型训练提供了规模基础。
“没有人关注数据。我的学生和我突然意识到，学习必须由数据驱动。”
2010 年，ImageNet 被做成公开竞赛。两年后，Geoffrey Hinton 的多伦多大学团队带着 AlexNet 参赛，借助 NVIDIA GPU 大幅提高图像识别准确率。海量数据、神经网络和 GPU 由此连成一套可复制的方法，现代 AI 的许多进展都沿用了这条路。回看这段历史，李飞飞更在意许多人怎样共同把一个冷门问题做成基础设施，她甚至把自己的贡献放回“整个人类”的故事里。
会生成句子，不等于理解真实世界
大语言模型擅长根据上下文预测下一个词，已经可以写作、编程和回答问题，但语言只覆盖了人类经验的一部分。描述怎样接住一个球，与真的判断球的速度、方向和落点完全不同；解释怎样煎蛋，也无法代替手臂控制锅铲、感受火候和处理意外。 李飞飞认为，机器若要成为科学研究或机器人领域里的合作者，就得理解物体、空间和物理变化。
用可探索的三维环境说明世界模型的目标：机器需要保留空间结构与视角连续性，而不是只生成一帧看起来合理的画面。
“文字能灭火吗？文字能煎蛋吗？”
她并不反对大语言模型，也没有预言聊天机器人会消失。她把空间智能看作下一块缺失的拼图：语言模型处理符号，世界模型还要预测现实中接下来会发生什么。当机器能够在一个一致的三维环境里移动视角、识别距离并理解因果，它才有机会把“知道”变成“做到”。
空间智能要同时完成三种任务
“世界模型”这个词现在被很多团队使用，含义并不统一。李飞飞把空间智能拆成三类功能：渲染、模拟和规划。渲染生成供人观看的像素，Sora 一类视频模型属于这一类。模拟要保留几何结构与物理规律，生成的环境主要服务机器；规划则回答下一步该做什么，例如让机器人判断怎样拿起杯子，再把它放到指定位置。
视World Labs 与 NVIDIA 展示机器人训练案例：生成的环境可以为机器提供模拟空间，帮助它学习怎样在物理世界里规划动作。
“我们早上拥抱孩子、准备早餐、拿起钥匙去上班，这些动作都依赖空间智能。”
这三种能力有明确递进：漂亮画面只要让人信服，模拟环境却必须让机器得到稳定的空间信息，规划还要把信息变成一连串动作。今天许多世界模型演示看起来像视频生成，真正的难点在于镜头转过去之后，原来的房间是否仍然存在；机器人碰到桌子时，系统又能否给出符合物理规律的反馈。
Marble 把一张图变成可进入的世界
Marble 是 World Labs 推出的第一款产品。用户提供一张图片或一句文字，它会生成一个可以探索和编辑的三维世界。演示里乍看只是一个布置精致的房间，但用户可以向前走、转身、查看任何角落，画面会随着位置变化保持一致。 它与普通图片生成的差别很直观：系统保存下来的是一个可以继续行动的空间，用户看到的画面会随位置实时改变。
orld Labs 的 Marble 产品界面。用户可以用一张图片或一句文字生成可探索、可编辑的三维世界，并在其中改变视角和移动位置。
“它确实是一个世界，因为我可以在里面移动。”
李飞飞承认，Marble 仍是走向完整世界模型的第一步。它当前更适合创意生产，而距离让机器人可靠理解家庭或工厂还有很长距离。这个阶段的价值在于把空间智能从论文变成可操作产品，让开发者能够测试：生成世界是否足够一致，编辑成本能否下降，以及机器能不能用这些环境学习。
先落地在影视和游戏，再走向机器人
World Labs 已经看到三类使用场景，其中虚拟制片团队可以先生成环境，再把演员放进不同场景拍摄。游戏开发者能用更少的时间搭建可探索空间，机器人团队则把生成环境当作训练数据，让机器在进入真实房间前反复练习。公司还与 NVIDIA 合作，用 Marble 环境扩充机器人的训练样本。
“真正的秘密一直是人。当然，还有数据、算法和我们搭建的系统。”
训练世界模型比训练语言模型更麻烦，因为一张图片同时包含相机位置、视角、遮挡和几何关系，同一个物体换个方向看，像素会彻底变化。World Labs 因此同时准备专门的数据、模型架构和完整系统。李飞飞没有把这些说成不可复制的护城河，她首先提到的是团队；早期技术路线尚未收敛，人的判断仍然会决定公司往哪里押注。
资金很多，技术仍处在早期
World Labs 已融资 10 亿美元，全球投入世界模型的资金达到约 30 亿美元；人形机器人领域的融资也到了 60 亿美元，但产品成熟度没有同步跟上。李飞飞把今天的世界模型比作 2019 年的大语言模型：许多人相信方向成立，各家都在尝试，谁也没有完全找到那套会带来突破的方法。她也提醒，好的科学同样可能被资本和媒体炒得过热，演示成功与现实可用之间还隔着大量工程工作。
“我们还很早，比大语言模型所在的阶段早得多。”
这条路线很吃算力和资本，未来还需要多少资源，李飞飞的回答是“不知道”。她认为公司得先把工作做好，才有资格继续拿到资源。面对大厂竞争，她每天都紧张，但没有因此停下来；World Labs 只有约 50 人，也只做一件事。大公司的预算更厚，小团队的优势是每个人的手都能改变产品方向。
判断 AI 的价值，要看人有没有更多主动权
李飞飞对现在的 AI 讨论有一个不满：许多行业领袖反复谈机器怎样替代人、抢走工作，却很少谈技术怎样增加人的能力。她在斯坦福接触到的学生也有两种相反感受，里面混着焦虑、希望、兴奋和困惑。AI 帮他们完成过去做不到的事时，他们会感到更有尊严、更能掌握生活；当它被描述成随时会替代自己的力量，同样的技术又会带来失控感。
“人工智能没有什么是人工的。它受人启发、由人创造，最重要的是，它会影响人。”
因此，她评价 AI 的标准始终落在人身上：它是否帮助科学家发现新东西，是否让老师和学生有更多选择，是否能照顾老人，还是只把效率和替代率当成唯一指标。她并没有淡化失业焦虑，也不接受“技术自然会带来好结果”这种轻松判断。人要保留主动权，就得进入技术的设计、使用和治理过程。
治理 AI，先把科幻式恐惧放到一边
李飞飞与政府官员讨论 AI 时，会刻意避开天堂或末日式叙事。她建议政策先回到科学事实，再处理已经发生的问题：错误信息、被武器化的机器人，以及学生把工具当成偷懒捷径。她还主张给公共部门和 STEM 教育更多资源，因为社会若把全部技术能力交给少数公司，公众很难参与决定 AI 应该怎样被使用。
她与两任美国总统和联合国交谈时，会先说明自己以科学家的身份提供服务：拿出事实，在判断有误时当面反驳，也承认技术变化太快，科学家同样可能犯错。多数政策制定者没有计算机科学背景，因此更需要把已经验证的能力与科幻式推演分开。她给出的投入方向也很具体，包括给公共部门配置技术资源，并把 STEM 教育从中小学一直延伸到大学。
“任何个人若认为自己比所有人都更清楚什么是对的，都是危险的。”
她担心少数 AI 领导者形成“上帝情结”，却也反对公民社会因为担忧而退出讨论。机器可能被滥用，治理也不能简单等同于停止 AI，因为同一套技术还可能帮助发现疾病疗法、改善教育和养老。 真正可行的路径，是让科学家、企业、政府和公众都留在桌上，用事实不断修正规则。
写在最后
ChatGPT 让机器学会处理语言，空间智能想补上感知、模拟和行动。这个方向距离成熟还很远，却已经给产品判断提供了一个实用问题：当 AI 离开对话框，它究竟能理解多少真实世界，又把多少主动权交回给人？李飞飞的答案仍然克制，技术值得继续做，决定它走向哪里的人也不能缺席。
内容来源：“What's Beyond ChatGPT? The 'Godmother of AI' Has a Plan”丨The Circuit（嘉宾：李飞飞）
原视频：https://www.youtube.com/watch?v=ITxsc3mgqts
相关文章
- 《李飞飞：十年后职场只剩两种人丨Silicon Valley Girl》
- 《a16z 合伙人：AI 将如何重塑消费互联网？丨a16z》
- 《OpenAI 推前沿 AI 治理蓝图》
如果你现在没空，可以收藏进晚点再听，通勤、走路或做家务时一次性听完⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
