YouTube video by 破幕推墙

空间智能是个好东西。接触过3D建模的童鞋都知道，在电脑里建立一个三维世界是多么的痛苦，会用AutoCAD、3DSmax或Maya是多么的牛叉，30年前做1秒24帧3D动画可以报价2-3k软妹币。某当时就想，如果哪一天像耶和华一样，拿着鞭子，指着混沌的宇宙说：要有光，就有了3D的世界，该多好。 这一天终于要来了，这就是空间智能。当计算机被植入空间智能，渲染到哪里都直接是3D，不用建模。这就是AI酵母李飞飞要干的事情，她是当代女版耶和华。至少在我心里是。 2024年9月，斯坦福大学教授、被誉为“AI教母”的李飞飞宣布创立World Labs公司，这家初创企业聚焦于开发以“大世界模型”（Large World Model, LWM）为核心的空间智能技术，目标是通过人工智能实现三维世界的感知、生成与交互。李酵母振臂一呼，三个月里向A16Z、NEA、Radical Ventures等顶级风投融资2.3亿美刀，估值突破10亿美元，并吸引了英伟达、AMD Ventures等科技巨头的战略投资。不过这么重要的事情才这点钱，感觉有点少。 World Labs的技术定位与核心研究方向 World Labs的使命是推动人工智能从二维信息处理向三维空间理解的跨越。其核心项目“大世界模型”（LWM），感觉是LLM3.0，旨在构建一个能够感知、推理并生成物理世界三维结构的AI系统。这一技术被定义为“空间智能”（Spatial Intelligence）。与传统的LLM不同，LLM3.0强调在三维环境中进行几何建模、物理规则推理以及动态交互的能力，其技术框架结合了计算机视觉、神经辐射场（NeRF）和强化学习的前沿成果。 空间智能的技术内涵 空间智能的核心在于赋予机器类似人类的空间认知能力，包括对三维几何结构的理解、物体间空间关系的推理，以及基于环境反馈的行动决策。听起来就很厉害。例如，在自动驾驶场景中，LWM不仅需要识别道路上的车辆和行人，还需预测它们的运动轨迹并规划安全路径；在虚拟现实领域，则要求模型生成符合物理规律的互动场景3710。李飞飞在TED演讲中曾以“猫推杯子”的案例阐释这一概念：AI需要判断杯子的位置、形状与支撑面的关系，进而预测其坠落风险并采取干预措施。看来推背图的难题马上有解了。 World Labs的技术突破与产品进展 2024年12月，World Labs发布了首个空间智能模型，实现了从单张图像生成可交互三维场景的技术突破。用户上传任意二维图像后，系统通过预测未观测区域的几何结构与纹理信息，构建出连续的三维空间。生成的场景支持用户通过键盘和鼠标进行自由视角探索，并能添加动态光照、音效等交互元素。例如，输入梵高的《星空》画作后，模型可生成一个立体化的星云空间，用户可“走进”画中观察笔触细节。我们数字人文是多么需要啊！！！ 技术优势与创新点 与现有三维生成工具相比，World Labs的模型具备三大突破： 几何一致性：通过深度贴图技术确保场景中物体的空间位置符合三维物理规律，避免传统AI生成内容中常见的结构扭曲问题。 实时交互性：采用浏览器端轻量化渲染方案，用户可在生成后即时操控虚拟相机进行变焦、平移等操作，延迟低于50毫秒。 风格继承能力：模型能够适配不同文生图工具（如Midjourney、Stable Diffusion）的输出风格，保持原始图像的色调、笔触等美学特征。 应用场景与行业影响 World Labs的技术正在重塑多个行业的创作与交互范式： 内容生产领域 在影视与游戏行业，传统三维场景制作需耗费数月时间和数百万美元成本。通过LWM，开发者可将概念草图直接转化为可交互的虚拟场景，并实时调整布局与光照参数。据联合创始人Justin Johnson透露，该技术已应用于某好莱坞科幻电影的预制作阶段，将场景设计周期缩短了。 工业与机器人领域 在制造业中，LWM可模拟工厂生产线的三维布局，优化设备摆放与物流路径。李飞飞团队已与某汽车厂商合作，利用空间智能模型规划机器人装配路径，使碰撞风险降低了40%。此外，模型生成的物理精确场景为自动驾驶算法提供了高保真训练环境，解决了现实路测中的数据稀缺问题。 消费级应用潜力 面向普通用户，World Labs计划推出“3D内容市场”，允许个人创作者上传二维作品并自动生成三维可售卖场景。早期测试显示，艺术家可将插画转化为虚拟展览空间，消费者通过VR设备即可沉浸式观展。 团队构成与研发战略 World Labs汇聚了计算机视觉与图形学领域的顶尖人才。除李飞飞担任CEO外，核心团队包括： Ben Mildenhall：神经辐射场（NeRF）技术奠基人，负责三维重建算法研发 Justin Johnson：密歇根大学副教授，主导实时渲染与风格迁移模块 Christoph Lassner：前Meta研究员，专注动态场景生成与物理引擎集成 研发策略上，公司采用“基础模型-垂直应用”的双轨路径：一方面持续优化LWM的多模态输入处理能力（计划支持点云、雷达等传感器数据），另一方面与行业伙伴共建细分场景的微调模型库，加速商业化落地。 技术挑战与未来展望 尽管取得显著进展，World Labs仍需突破多项瓶颈： 场景规模限制：当前模型生成的虚拟空间范围约100立方米，扩展至城市级规模需重构分布式渲染架构。 物理模拟精度：复杂流体、柔性体交互等场景的仿真误差率仍高于工业标准，团队正引入有限元分析强化力学引擎。 伦理与安全风险：三维生成技术可能被滥用制作深度伪造场景，公司已组建AI伦理委员会并开发内容溯源水印系统。 李飞飞预测，到2026年空间智能将进入“寒武纪式爆发期”，三维生成模型的参数量有望突破万亿级别，推动AI从辅助工具进化为“数字世界建筑师”。随着World Labs计划在2025年推出首个商用产品，这场由大世界模型引领的技术革命正拉开序幕。 我已经等不及了。