Masters of Scale

對層次豐富、復雜空間世界的深刻理解，正是具身智能（包括機器人）的“大腦”。空間智能不僅完善了感知–行動閉環(huán)，還將提升我們的認知能力：例如我們如何在腦中想象世界、如何進行建模。

在AI時代，信任絕不能外包給機器——它本質上屬于人類，存在于個體、社區(qū)與社會層面。

確定無疑的簡單任務與充滿不確定性的任務，有時難度相當；那就選擇更不確定的那一條，因為在不確定中，創(chuàng)造力會被逼至極限，奇跡才能發(fā)生。

李飛飛曾是Stanford Human-Centered AI Institute的創(chuàng)始主任，如今是World Lab的聯(lián)合創(chuàng)始人兼首席執(zhí)行官，在空間智能領域引領創(chuàng)新。本次訪談是2025 Masters of Scale Summit的一部分，她與主持人Reid Hoffman探討了空間智能新階段。

從語言邊界到世界建模：AGI與空間智能的下一篇章

Ried：大家好，本周我們邀請到了李飛飛參與現(xiàn)場對談，探討AI的現(xiàn)狀與未來走向。我們已經一起做了多次這樣的特別分享，令人振奮又深感榮幸，感謝您的到場。

顯而易見，所有關注你職業(yè)軌跡的人都知道，你是這波AI浪潮中的OG：從ImageNet等奠基性工作開始，你的貢獻奠定了今日的基礎——在此先向你致謝。如今你正專注于空間智能（spatial intelligence）與世界建模（world building）。我想請你分享：是什么促使你從自己深愛的工作——在Stanford CS和Human-Centered AI的崗位上暫時休假，去創(chuàng)辦這家公司？你們正在做什么？

李飛飛：再次感謝你的邀請，我很榮幸站在這里。你剛才提到的那家我共同創(chuàng)立并擔任CEO的公司叫World Labs。你是OpenAI最早的支持者和投資人之一。當OpenAI成立時，我們曾談到AGI的夢想。作為一名AI科學家，我常在AI與AGI這兩個詞之間搖擺，因為撇開語言差異，它們對我而言幾乎是同一個概念。

Ried：我使用AGI來制造我們還沒有發(fā)明的AI。

李飛飛：我想其實John McCarthy對AGI的理解也許和我相同：AGI意味著機器獲得與人類相當、甚至在許多情況下能夠超越人類的智能。我把它視作通往未來的一扇大門；這扇門上有許多鑰匙孔，而語言就是其中最關鍵的一把，因為語言是智能的核心組成部分。在斯坦福，還有一個獨特的跨學科項目Symbolic Systems，融合了哲學、認知科學與計算機科學，正是這種多學科視角讓我們得以更深入理解智能本質。

Wittgenstein認為語言定義了世界的邊界，而我并不完全認同這一點。我認為語言只是界定了一個用符號形式描述世界的層級邊界，但在此之外，世界本身是無限的。那么那個世界究竟是什么？我們如何去定義它？這和智能有何關聯(lián)？我們又怎樣借助機器去表達它？我非常著迷于這一整套世界建模的思考。

世界建模與語言密切相關，但它關乎的是對世界狀態(tài)變化的表達、表征，最終還要親身參與這些變化。這個世界既可能是虛擬的，也可能是物理的。那么，世界建模究竟包含什么？它當然包含語言，因為語言是與世界對話的一種方式，但它同樣涵蓋視覺、光線、語義、空間以及物理動作。所有這些仍處于起步階段，而這正是人工智能的下一階段，也是World Labs的目標所在。我們正在努力進行世界建模，嘗試把這種層次的空間智能帶入人工智能的下一個篇章。

世界建模：賦予無限可能的應用版圖

Ried：我有兩個問題。第一，現(xiàn)場少數(shù)人對這一領域已頗為深入，但多數(shù)人日常體驗大型語言模型仍停留在ChatGPT、Gemini等產品。那么，他們應當如何理解空間智能與此的差異？關鍵不僅在于認知能力的不同——因為我們的世界并不只由語言構成。第二，未來道路將如何展開？為了真正抵達那里，我們需要克服哪些挑戰(zhàn)？

李飛飛：當真正擁有世界建模能力時，我們將獲得前所未有的創(chuàng)造自由。如今，苗頭已初現(xiàn)：無數(shù)講故事的人和創(chuàng)作者正跨越像素、電影、雕塑、數(shù)字藝術等多重媒介，構建高度創(chuàng)意、可交互的沉浸式世界。世界建模不僅允許我們生成事物，更能生成可置身其間、可互動的整座世界，這對創(chuàng)作者而言極具吸引力。其應用場景遠不止娛樂和敘事——它同樣適用于設計、工業(yè)、醫(yī)療健康乃至教育等各個領域。

此外，被動娛樂與主動親歷體驗之間的距離正迅速縮小。機器憑借世界建模生成沉浸式體驗的能力極其強大，這也自然延伸至仿真。仿真對人類體驗與學習，以及具身AI（embodied AI）都至關重要：機器人既要在現(xiàn)實世界中學習，也必須在仿真環(huán)境中歷練。回顧機器人史，從自動駕駛汽車到各種自啟動系統(tǒng)，仿真始終扮演關鍵角色；由此來看，其應用空間是無邊無際的。

空間智能與世界建模：完善感知-行動的閉環(huán)與具身智能

Ried：機器人技術始終是熱議話題。我想向所有人劃出一條重點：世界建模對任何旨在提升機器人服務人類福祉的工作都至關重要。能否請你闡釋一下，為何這套認知能力如此關鍵？

李飛飛：這是個好問題。我為此思考了很久。坦白說，在計算機視覺的第一波浪潮中，當我們已經達到了前所未有的精度與質量，我反而陷入了小小的危機，開始反省：感知究竟意味著什么？視覺到底有何使命？我原以為解決目標識別至少需要一百年，結果進展遠比預想迅速。于是，我需要新的“北極星”，這把我拉回到進化論。

大約5.3億年前，地球發(fā)生了一場驚人的進化事件——寒武紀大爆發(fā)；動物物種在那段時期急劇分化，神經系統(tǒng)與光敏細胞也隨之萌芽。當我讀完眾多資料并加以深思，這一切突然令我豁然開朗。動物之所以在進化上發(fā)展出感知，根本原因是為了行動與互動；感知本質上是主動的，而非被動接受訊息。由此可見，感知智能構成了一切運動的基石。最初的運動不過是把身體簡單地挪到另一處；轉瞬間，運動便演化成更復雜的互動——從爭奪食物、交配、筑巢到撫育后代，無所不包。以哺乳動物乃至人類為例，我們的運動能力極其精細：僅手指、腳趾、軀干之間就擁有極高的自由度。所有這些動作都依賴于我們對所處環(huán)境的空間智能與根本感知——唯有如此，我們才能理解周圍世界并規(guī)劃每一步行動。在我看來，對層次豐富、復雜空間世界的深刻理解，正是具身智能（包括機器人）的“大腦”。

Ried：實際上，機器人讓我們真切體會到：要讓機器真正具身，就必須賦予它們具身智能。這與我們剛才談到維特根斯坦時的觀點遙相呼應——世界中的認知推理能力絕不僅限于語言層面。雖然這有點哲學意味，但面向未來，空間智能會帶來其他形式的智能，同樣關鍵。傳統(tǒng)西方把“感知”視作攝像機、把“行動”當作獨立模塊的觀念顯然站不住腳，你剛才也指出了這一點。空間智能不僅完善了感知–行動閉環(huán)，還將提升我們的認知能力：例如我們如何在腦中想象世界、如何進行建模。那么，當我們?yōu)樗蠥I系統(tǒng)引入空間智能后，你認為會涌現(xiàn)出哪些新的推理特征？

李飛飛：縱觀人類文明的發(fā)展史，很多關鍵里程碑根本無法僅靠語言完成；空間推理與世界建模的重要性一目了然。以早期的金字塔建造為例：我們必須先抽象出幾何概念，形成對幾何的敏銳直覺，再推進巨型結構的建造。整套過程蘊含極其豐富的認知級空間推理，遠遠超越“看見某物、就把它搬過去”這類簡單的事務性動作。再舉一個例子：DNA結構的推斷過程。本質上，眾多科學家都在通過各類線索意識到遺傳物質里隱藏著某種關鍵結構，但真正的突破，源于Rosalind Franklin拍攝的X射線衍射圖像——一幅扁平的“十字”狀照片。正是基于這幅圖，F(xiàn)rancis Crick和James Watson才推演出DNA雙螺旋的三維交織結構。這一跨越完全依賴深度的空間推理：單靠語言絕不可能演繹出這樣的形態(tài)（當然語言依舊是輔助工具，我本人也熱愛語言）。這恰恰是人類利用空間認知能力，完成前所未有發(fā)現(xiàn)的經典范例。因此，當我們?yōu)锳I賦予這類空間智能，它的價值絕不限于讓機器人拾取杯子或方塊，而是能整體提升人類能力——我們將與具備此能力的機器協(xié)同，共同開拓全新的認知與創(chuàng)造空間。

AI產業(yè)化：信任絕不能外包給機器

Ried：接下來我們從宏觀層面聊聊：如今關于AI的討論很多——到底是被過度炒作還是被低估？在硅谷，幾乎所有人都覺得低估；也有人擔心，我們是否會迎來下一輪AI寒冬。你怎么看當前這場爭論？哪些領域其實被嚴重低估，哪些方向可能還為時過早，又有哪些點確實被吹過頭了？請分享你的洞見，幫大家分辨真?zhèn)蝺?yōu)劣。

李飛飛：我必須謹慎作答，我相信AI是一項文明級技術。即便靈感源于人類進化，任何能復制人類核心思考與行動能力的技術，都足以引發(fā)顛覆性變革。在我看來，作為人類智力未來的基石，AI并未被過度炒作，因為AI已成為新的計算范式。放眼當今世界，思考芯片所在之處——從燈泡到自動駕駛汽車，再到飛機——芯片無處不在；芯片是計算發(fā)生的物理載體。顯而易見，只要有芯片就有計算，只要有計算，AI遲早會出現(xiàn)。因此，無論從商業(yè)層面還是應用場景來看，AI都毫無疑問代表未來。

舉例來說，塞巴斯蒂安特倫的第一輛自動駕駛汽車，從能夠在沒有交通的內華達沙漠中行駛130英里，到如今在舊金山街頭跑得更遠，整整花了二十多年。你可能會說，這部分是因為當時的軟件還停留在深度學習出現(xiàn)之前的階段，軟件開發(fā)進展較慢。確實，深度學習后來加速了自動駕駛汽車的“大腦”，但別忘了，汽車產業(yè)及其完整的供應鏈和消費者基礎已經存在百余年，擁有極其成熟的商業(yè)模式、基礎設施和制造體系。因此，僅僅讓汽車這種道路上最簡單的機器人形態(tài)實現(xiàn)自動駕駛，就耗費了二十年的光陰。

嚴格來講汽車不過是一個在二維平面上移動的方盒子，你唯一要確保的就是別撞到任何東西。可機器人就完全不同：機器人是一臺三維機器，它的核心任務就是“觸碰”，而且要“正確地觸碰”。這其中的復雜度非常高，所以我認為機器人技術的發(fā)展之路還很長。

Ried：百分之百同意。要讓這項文明級技術真正落地，關鍵在于建立信任。不論是依靠技術專家、公司，還是其他主體——作為行業(yè)領袖、企業(yè)和創(chuàng)業(yè)者，我們應當采取哪些舉措來促成這份信任？畢竟只有在信任建立之后，我們才能真正享受到AI帶來的價值。

李飛飛：在AI時代，信任絕不能外包給機器——它本質上屬于人類，存在于個體、社區(qū)與社會層面。也正因如此，我們早在2018年就成立了Stanford Human-Centered AI Institute，遠在這波AI浪潮全面爆發(fā)之前。我們意識到：隨著機器在計算、推理乃至行動能力上的持續(xù)增強，必須把新的規(guī)范織入社會肌理。在這種規(guī)范下，人類仍然有能力通過AI更新的工具、聊天機器人等更強大的產品來建立彼此之間的信任。最終，這份信任還需被納入并迭代我們的治理模型，不僅關乎社區(qū)與企業(yè)，更關乎整個社會。因此，我認為信任在這場變革中至關重要。

我們的觀眾大多是創(chuàng)業(yè)者。我想強調：從一開始就要重視信任。無論你們開發(fā)的是何種產品或業(yè)務，都要牢記這一點。有些人身處醫(yī)療健康領域，深知信任的分量；有些人專注于基礎設施或其他看似距離用戶較遠的應用，但別忘了，你們同樣在服務個人和企業(yè)。信任至關重要，而其根源始終來自人的主動性。

無畏精神：創(chuàng)新者的北極星

Ried：你和Etch主導的那項以人為本的AI工作（源于《紐約時報》的專欄）促使我開始明白我們必須貫徹的核心要務之一就是提升人類的主體性。那我們就以科學視角來結束今天的對談吧。你曾說，科學家必須保持“智識上的無畏”——也就是心懷無所畏懼的精神。這對我們構想未來意味著什么？又對科學在下一代創(chuàng)新者的推進方式有何啟示？無畏精神應在其中扮演怎樣的角色？

李飛飛：這是個好問題。如果說科學家需要無畏，創(chuàng)業(yè)者就更要無畏。我非常喜歡Fearless這個詞，也把它作為招聘時的重要標準，尤其希望年輕人擁有這種無畏精神。Fearless的含義是自由——擺脫束縛創(chuàng)造力、勇氣和執(zhí)行力的枷鎖。順帶一提，“get shit done”在我們公司是一種“技術術語”，也是核心文化的一部分。

你知道，人類并非地球上速度最快或力量最強的生物。今年夏天，我?guī)Ш⒆尤チ朔侵蓿抢镉性S多動物在各方面都遠勝于我們。但在我們的頭腦、心靈與靈魂深處，存在一種力量，能驅動我們?yōu)槭澜纭樽约骸楸舜藙?chuàng)造非凡價值。這股力量源于人類獨特的創(chuàng)造力與社群意識。要真正釋放它，尤其在技術高速迭代的時代，更需無畏前行。

對我而言，最根本的情感準則是：保持創(chuàng)造力，保持自由——而這最終化作無畏。要勇敢沖向未知，擁抱那些前所未有的大膽想法，并讓它們落地；要敢于驗證唱反調的假設，投身最艱難的任務。有人說過（我忘了是誰）：確定無疑的簡單任務與充滿不確定性的任務，有時難度相當；那就選擇更不確定的那一條，因為在不確定中，創(chuàng)造力會被逼至極限，奇跡才能發(fā)生。我鐘愛“無畏”這句話，正因其所在之處，邊界被打破，創(chuàng)意被釋放，魔法隨之顯現(xiàn)。