知名人工智能学者、斯坦福大学教授李飞飞近日发表万字长文，提出一个颠覆性观点：
AI 的未来不在于继续堆叠参数规模，而在于掌握“空间智能”（Spatial Intelligence）——即对物理世界的感知、推理与交互能力。
她指出，当前以大型语言模型（LLM）为代表的 AI 虽能流畅生成文本，却如同“黑暗中的文字匠人”，缺乏对真实三维世界的理解。它们无法判断咖啡杯的距离、预测物体运动轨迹，更难以在复杂环境中安全行动——这些恰恰是人类从婴儿期就具备的基本能力。
李飞飞将空间智能称为“人类认知的脚手架”，并列举历史案例佐证其重要性：古希腊学者通过影子测算地球周长、沃森与克里克用手搭建 DNA 双螺旋模型……这些突破皆依赖于对空间结构的直觉与操作，而非语言推理。
为此，她与团队于2024年初创立 World Labs，致力于构建新一代“世界模型”（World Models）。这类模型需具备三大核心能力：
生成性：创建几何与物理一致的3D/4D虚拟世界；
多模态性：融合图像、视频、深度图、文本与动作等输入；
交互性：根据用户动作预测环境下一状态，甚至规划行动。
她透露，World Labs 已推出首个原型平台 Marble，允许创作者通过自然语言或图像快速生成可交互的3D场景，应用于电影、游戏与建筑设计。
李飞飞强调，AI 的终极目标应是“增强人类”，而非取代人类。“空间智能将赋能科学家、护理人员、教师和艺术家，帮助他们实现曾经不可能的任务。”她呼吁全球研究者、工程师与政策制定者共同投入这一新前沿：“没有空间智能，真正的智能机器永远只是幻想。”
