李飞飞教授认为AI的下一个前沿是“空间智能”

李飞飞教授认为，AI的下一个前沿是空间智能，其核心在于让AI突破文字的局限，真正“理解”三维物理世界，并通过构建“世界模型”实现生成、感知与互动能力，最终推动机器人技术、创意工具和科学发现等领域的变革。一、空间智能的提出背景：当前AI的局限当前以大语言模型（LLM）为代表的AI虽能写诗、编程、生成图像，但本质仍是“黑暗中的文字工匠”：知识局限：通过海量文本学习世界，却从未真正“体验”物理规律（如重力、遮挡）。能力断层：无法实现无人驾驶、灵活协作机器人等需空间理解的任务，因缺乏对三维环境的感知与预测能力。维特根斯坦的启示：语言是世界的边界，但AI需突破这一边界——世界“不只有文字”，更包含空间、感知与行动的联结。二、空间智能的核心：连接想象、感知与行动空间智能是语言之外的AI新疆域，其目标是让AI：从“阅读”到“看见”：不再依赖文字描述，而是通过多模态输入（图像、视频、手势）直接理解三维场景。模拟物理规律：生成的世界需遵守重力、碰撞等物理定律，例如模型需知道“空中苹果会掉落”“被挡物体需绕行”。闭环感知-行动：通过感知环境变化，预测未来状态并做出反应（如机器人抓取移动物体）。三、构建空间智能的关键：世界模型的“三把钥匙”李飞飞提出，世界模型需具备三种核心能力：创世（生成）生成遵守物理定律的三维世界，而非简单二维图像。示例：模型能模拟“球被踢出后沿抛物线运动，碰到障碍物反弹”的完整过程。感知（多模态）处理图像、视频、手势、动作等多元信息，实现跨模态理解。示例：用户用手指向物体，AI能结合手势方向与视觉输入识别目标。互动（预测）预测环境随时间的变化，或对用户互动做出反应。示例：机器人根据用户动作预测其意图，并调整协作策略。四、空间智能的应用时间表：从创意到科学革命近期（当下）：创意工具革命3D环境生成：如李飞飞团队推出的Marble平台，允许创作者快速构建并探索虚拟世界，降低3D内容制作门槛。影视与游戏：自动生成动态场景，提升叙事效率与沉浸感。中期（未来5-10年）：实用机器人落地感知-行动闭环：机器人通过空间智能理解物理世界，完成家务、医疗护理等复杂任务。工业自动化：在非结构化环境（如灾害现场）中自主作业，突破传统工厂场景限制。长期（20年以上）：加速科学发现模拟微观世界：AI可推理分子结构、材料性质，助力新药研发与新材料设计。基础物理学突破：通过模拟宇宙演化、粒子行为，验证理论或发现新规律。五、空间智能的意义：AI的“成人礼”空间智能不仅是技术突破，更是AI从“工具”向“伙伴”演进的关键：超越语言：AI需以故事家的想象力创造、以急救员的流畅导航、以科学家的精度推理空间。改善人类生活：从医疗辅助到日常协作，从科学探索到创意表达，空间智能将拓展AI的应用边界。伦理与安全：需同步构建可解释性、鲁棒性框架，确保AI在物理世界中的行为可控。结语：空间智能标志着AI从“理解文字”到“理解世界”的范式转变。通过世界模型的构建，AI将不再是被锁在黑屋中的天才，而是能真正“看见”并改变三维世界的创新者。这一前沿领域的发展，或将重新定义人类与机器的协作未来。