【太平洋科技快讯】11 月 11 日消息，斯坦福大学教授李飞飞近日发表题为《从文字到世界：空间智能是 AI 的下一个前沿》的长文。她指出，当前以大语言模型为代表的 AI 虽然擅长处理抽象知识，却缺乏对物理世界的真实理解。空间智能——人类理解、导航并与三维世界交互的底层能力，将成为实现机器真正智能的关键突破。

李飞飞认为，尽管大语言模型已展示出卓越的文本、代码和图像生成能力，但在理解物理世界方面仍存在根本局限。最先进的 MLLM 模型在估算距离、方向、大小或旋转物体时表现几乎随机，无法导航迷宫、识别捷径或预测基本物理规律。

空间智能不仅是人类与环境互动的基础，也是想象力和创造力的源泉。从古代的洞穴绘画到现代电影，从工业设计到数字孪生，空间智能在推动文明进步中始终发挥着核心作用。然而，当前的 AI 还无法像人类那样通过感官感知世界，并直觉理解其空间运作方式。

为实现真正的空间智能，李飞飞提出需要构建 " 世界模型 "。这种新型生成模型需具备三大核心能力：生成具有感知、几何和物理一致性的世界 ; 处理多模态输入 ; 根据输入动作预测世界下一个状态。她创立的 World Labs 正致力于这一前沿领域的探索。

李飞飞表示，构建具有空间智能的 AI 是未来十年的决定性挑战。虽然这条道路比以往任何 AI 挑战都要复杂，但成功突破将彻底改变故事叙述、创造力、机器人技术、科学发现等领域，为机器真正提升人类生活开启全新可能。