我刚读完李飞飞最新的万字长文，《从文字到世界：空间智能是人工智能的下一个前沿》。

最直观的感受是：我们都在为 AI 现在的能力着迷时，李飞飞指出了一个巨大的盲区。

现在的 AI，本质上是个活在黑暗中的话痨。

这篇文章，并不是一般的技术展望，而像是一份 AI 进化之路上缺失的拼图。

作为 ImageNet 的作者，她提出的空间智能（Spatial Intelligence），让我对“什么是智能这件事”重新思考。
给你分享几个击中我的点，希望也能给你带来一些新视角。

一、LLM 是博学的，但它视力不太好

这是文章中最让我震撼的一个比喻。

李飞飞说，现在的大语言模型（LLM）像是一个被关在黑暗房间里的博学者。

它们读过所有的书，能写出最华丽的诗句，甚至能生成极其逼真的视频。

但是，它们缺乏根基。

它们不知道把咖啡倒进杯子时，如果手抖倒歪了液体会洒出来。它们不知道在拥挤的人行道上，如何侧身避让一个匆匆路过的行人。它们只有语言的逻辑，没有物理的直觉。

这种直觉，就是空间智能。

我突然意识到，现在人们对 AI 的崇拜，其实是对语言能力的崇拜。

但对于在物理世界中生存的生物来说，语言是进化的最后一步，空间感知才是生存的基石。

二、进化的秘密：先有动，后有智

李飞飞在这里引入了一个生物学视角，非常精彩。

早在人类学会说话、建立文明之前，动物就已经具备了极高的智能。这种智能来源于感知与行动的循环。

文章里举了一个特别有画面感的例子：古希腊的埃拉托色尼。

他不是坐在书房里算出了地球周长，而是通过观察亚历山大城和塞恩城在夏至日正午影子的不同（这就是空间智能），结合几何学推算出来的。

还有沃森和克里克发现 DNA 双螺旋结构，不是靠写论文写出来的，而是靠摆弄金属板和导线，在三维空间里拼出来的。

这打破了我以前的一个认知：我总以为思维是抽象的。

但李飞飞在说，很多顶级的认知和创造，本质上是空间性的。如果你不能在脑海中旋转一个物体，不能理解物体之间的物理关系，你的智能就是残缺的。

现在的 AI，恰恰就缺了这一块。

三、从预测下一个词到预测下一个世界

这是李飞飞新公司 World Labs 正在做的事，叫做世界模型（World Models）。

跟现在的 Sora 或者 Runwway 生成视频是两码事。目前的视频生成模型，经常会出现“上一秒那个人还戴着帽子，下一秒帽子融化进头发里”这种恐怖谷效应。

为什么？因为模型不懂物理，它只是在堆砌像素。

李飞飞提出的世界模型，要求 AI 必须理解重力、理解光影、理解物体恒存性。

她提到的 Marble 项目让我很期待。

这不是简单的 3D 建模，也不仅仅是为了做游戏或电影，而是生成一个有物理法则的、互动的世界。

想象一下，如果我们要造一个照顾独居老人的机器人。这个机器人不能只是陪聊（LLM），它必须能看着老人的动作，预判他快要摔倒了，并在一瞬间冲过去扶住，这就需要极高精度的空间预测能力。

没有空间智能，机器人永远只能在工厂流水线上拧螺丝，进不了我们的家庭。

四、维特根斯坦的那句话

文章引用了维特根斯坦的一句名言：我的语言的界限，意味着我的世界的界限。

目前的 AI 被困在语言（和类似语言的代码/像素序列）里，所以它们的世界是有限的。

李飞飞的野心在于，她想让 AI 突破语言的边界，去触碰那个真实的、粗粝的、充满物理法则的世界。

这让我感到一种久违的兴奋，过去的几年，AI 圈儿更多都在卷文本，卷谁的参数大，谁的上下文长。

但李飞飞在提醒我们：文字只是现实的投影，而非现实本身。

如果说 ChatGPT 是让 AI 学会了读万卷书，那么空间智能就是让 AI 开始行万里路。

最后一点感触：

李飞飞在文末提到，她的动机始终是AI 必须增强人类，而非取代人类。

这不是一句空话，当她谈到机器人协助科学家做实验，或者帮助护理人员照顾病人时，那种技术理想主义的温度，你能切实的感受到。

空间智能的终局，不是创造一个超越我们的数字神灵，而是创造出一个伙伴。

他能真正理解我们所处的物理环境，能帮我们拿水杯，也能扶我们一把。

从文字到世界，这确实是 AI 最值得期待的下一个前沿。

#空间智能##李飞飞#