李飞飞自曝创业经历：因眼睛受伤坚定投身世界模型与三维空间表征研究，AI教母引领World Labs创新未来

（由多段落组成）

李飞飞在一次公开访谈中分享了她的创业心路历程，揭示了她对世界模型的坚定追求。五年前的一次角膜损伤使她暂时失去了立体视觉，这段经历不仅让她深刻体会到空间感知的重要性，也进一步坚定了她开发世界模型的决心。

在这次a16z播客节目中，李飞飞详细讲述了自己如何将这一意外转化为科研的动力。尽管单眼视物时的生活充满挑战，但作为科学家，她选择以积极的态度看待这次“实验”。她意识到，三维空间表征对于物理世界的交互至关重要，就像语言模型需要理解文本上下文一样。

在节目中，李飞飞还阐述了为什么空间智能是当前AI系统中关键且缺失的部分，并介绍了她的新公司World Labs如何应对这一挑战。此外，a16z合伙人Martin Casado作为早期投资者，分享了他与李飞飞就世界模型达成共识的故事，并从投资角度分析了这一领域的潜力和价值。

值得注意的是，李飞飞强调，创办World Labs并非盲目追随基础模型创业潮，而是基于对智能本质的深入探索。她认为，实现世界模型的目标需要整合产业级的算力、数据以及顶尖人才的支持。

在技术层面，李飞飞指出，真正的突破点在于让AI能够像人类一样，通过单目视觉输入重建完整的三维场景理解。这不仅是机器人执行复杂任务的基础，也是构建无限虚拟宇宙的关键。

嘉宾们的讲解方式得到了网友的高度评价，他们用通俗易懂的语言解释了复杂的科学概念，使得更多人能够理解世界模型的意义及其潜在影响。

李飞飞表示，早在大语言模型（LLM）兴起之前，她就已经认识到构建世界模型（LWM）的重要性。这种认识既源于她个人的经历，也得益于她在学术研究中的长期积累。回顾过去十年AI的发展轨迹，最令她震撼的是“数据驱动范式”所释放的巨大能量。

当年，她带领团队创建了ImageNet——一个包含超过1000万张精确标注图片的视觉识别系统。这一成果迅速成为全球最大的图像资料库之一，彻底改变了计算机视觉和深度学习的研究格局。然而，如今大规模数据驱动模型展现出的能力，仍然超出了她最初的想象。

这种矛盾感促使李飞飞不断思考：当整个行业都在追逐语言模型时，我们是否忽略了更深层次的问题？她坚信，真正的通用智能必须建立在对物理空间结构和物体组合关系的理解之上。

因此，World Labs的使命便是构建能够真正理解物理世界的AI模型。通过集中资源攻克这一难题，李飞飞希望让AI具备更强的空间认知能力，从而更好地服务于人类生活的三维世界。

创立World Labs的过程中，李飞飞遇到了思想共鸣的合作伙伴——a16z合伙人Martin Casado。两人在一次关于LLM的学术聚会上一拍即合。当时，李飞飞提出：“我们缺少的是世界模型。”这句话立刻引起了Martin的兴趣。

Martin在节目中解释道，语言对物理空间的描述存在天然缺陷，而大脑对三维空间的即时建模能力才是智能的核心。他举例说，在蒙眼状态下仅靠语言指导完成任务几乎是不可能的，但一旦摘下眼罩，大脑便能迅速重构三维空间并精准行动。

两人的共识为World Labs奠定了理论基础。他们一致认为，语言适合传递抽象概念，但在处理实体世界时，空间智能才是不可或缺的能力。这种认知推动了World Labs的诞生，并吸引了众多顶尖科学家加入团队。

要实现世界模型的愿景，World Labs需要集结产业级的算力、数据和人才密度。具体到技术层面，目标是让AI能够通过单张2D图像重建完整的三维场景，包括视野之外的物体背面。这种能力将带来根本性变革，使计算机首次能够像人类一样对空间进行测量、堆叠和操纵。

李飞飞提到，团队成员在神经辐射场（NeRF）技术和高斯泼溅表示法（Gaussian Splatting）等方向上的先驱工作，为三维表征提供了新的范式。这些研究成果汇聚于World Labs，形成了系统化的攻关力量。

为了破解三维智能，World Labs组建了一支跨学科团队，涵盖计算机视觉、扩散模型、图形学和优化算法等多个领域。李飞飞相信，只有将最聪明的大脑聚集在一起，才能实现从实验室技术到实际产品的跨越。

当前的技术突破点在于，如何让AI像人类一样，从单目视觉输入中重建完整的三维场景理解。这不仅是机器人精准抓取的基础，更是打开无限虚拟宇宙的钥匙。未来，建筑设计可能变成空间组合游戏，分子模拟可视作三维拼图，甚至数字孪生世界也能实时生成演化。

这场革命正在发生，而World Labs的目标就是加速这一进程，为人类带来更多可能性。

本文来源： 量子位【阅读原文】