原文链接：https://drfeifei.substack.com/p/from-words-to-worlds-spatial-intelligence
1. 引言：从“文字”到“世界”的跃迁
在开篇，李飞飞指出：当前AI 最火的是语言模型（Large Language Models）或 图像／视频生成模型——它们让机器“说话”“看”得越来越强。但她提醒：这些能力虽然惊人，却多停留在“文字”“图像”层面，即“描述世界”的能力。她用一句话概括，“机器会语言、会图像，却还不会真正‘进入’世界”。 她提出：下一波AI 革命，将不是仅仅让机器在平面上识别或生成，而是让机器 理解空间、进入空间、在空间中行动。换句话说，是从“Words”（文字）→“Worlds”（世界）。 她的提问是：我们该如何构建一种AI ，能够真正理解世界、而不只是用语言或图像来表达？ 这一引言为全文定下基调：空间智能是AI 发展的关键下一个维度。
2. 空间智能：为何是 AI 的下一个前沿
空间智能究竟是什么？
李飞飞解释：空间智能就是机器不仅“看见”或“听见”这个世界，而是“理解”它的空间结构、物体之间的位置关系、变化、互动。类似于人类在走路、在环境里导航、在房间里识别障碍、安排家具所用的那种能力。 她指出：在生物演化的历史上，视觉／空间理解比复杂语言还早出现，很多动物、昆虫就靠“在环境中定位”“寻找路径”存活。由此，她认为空间智能是“比语言更底层”的智能类型。
为什么它重要？
当前AI 多聚焦文字、平面图像，这类“二维＋静态”的数据虽然强大，却缺乏“在三维、时间、互动环境中理解与行动”的能力。
在现实世界、机器人、无人机、智慧交通、虚拟现实／增强现实等场景，真正的难题是：机器要在真实空间中“走”“操作”“规划”，而不仅是“识别”。
如果机器具备空间智能，它就可以：预测物体如何移动、理解人在空间中的行为、生成可在三维空间里交互的场景。也从而推动AI 进入“行动者”而不是“观察者”的角色。 她总结：空间智能是AI 从“感知世界”向“理解并参与世界”迈出的关键一步。
3. 世界模型：解锁空间智能的关键
什么是“世界模型”（World Model）？
李飞飞认为，要让AI 具备空间智能，仅仅有强大的语言模型或图像模型是不够的；必须有一种“世界模型”——能够在三维空间中理解结构、物体、关系、时间变化，并能生成/预测/交互。 换句话说，世界模型是AI “在世界里行走、做决策、创造”的能力载体。
她提出的三大关键能力
在文章中（据摘要）她提出了世界模型应具备的三项核心能力（标题可能略有不同，但可归纳为）：
创造能力（Imagination／Generation）
世界模型应能“生成”符合物理规律、空间结构合理的新场景。
比如：给出一段描述，模型能生成一个三维房间，人、物体、光影、动作都合理。
这比仅生成图片更高级，因为它要理解「如果我把桌子移到这里，椅子会怎样」这类空间变化。
导航与行动能力（Navigation／Interaction）
模型不仅看到世界，还得“在世界里行动”。
比如机器人在房间中导航、无人机在建筑群里巡检、车辆在交叉路口规划路径。
这种能力要求模型理解路径、障碍、时间维度、动态变化。
推理与理解能力（Reasoning／Scientific Rigor）
世界模型必须理解空间中物体之间的关系、物理规律、因果变化。
例如模型要知道“这个球如果从高处落下会弹起来”“这个椅子如果放在斜坡上会滑下来”等。
这就是让机器不只是“反应”，而是“思考”空间中可能发生什么。
李飞飞强调：这三大能力结合起来，才能让世界模型真正解锁空间智能。
构建路径与挑战
她还谈到构建世界模型的几个关键路径、以及必须克服的挑战：
数据维度的扩展：传统AI 多用文字／图像，空间智能需要点云、深度图、3D 模拟、多视角视频、时间序列数据。
多模态融合：视觉＋听觉＋触觉／动作数据融合，使模型理解环境、操作、互动。
物理与语义整合：不仅识别什么是椅子、桌子，还知道椅子的质量、椅子滑动时摩擦、人与椅子的互动。
记忆与持续性：世界模型不是一次任务解决，而是能跨时间、跨场景积累经验、连贯理解。
生成与交互能力：模型会“设计场景”“规划行动”，而不是只是预测或分类。 同时，她也坦承面临巨大挑战：三维数据稀缺、标注成本高、计算资源需求大、模型通用性弱、实时性要求高、系统安全可靠性难等。
4. 应用场景与未来展望
李飞飞在文章中展望了空间智能／世界模型可能带来的变革性应用：
创意设计／虚拟世界生成：建筑师、室内设计师、游戏开发者、虚拟现实体验创造者可用世界模型快速构建、按物理规律生成3D空间，体验更真实、互动更流畅。
机器人／无人机／实体智能体：机器人在工厂、无人机在户外、自动驾驶在城市，都需要理解空间、导航、操作、变化。具备空间智能的AI 才能真正落地。
数字孪生／仿真系统：智慧城市、智慧酒店、智慧交通系统可用世界模型模拟现实世界、预测变化、优化决策。
科学探索与人类生产力提升：不仅限于商业应用，还可能助力材料发现、生命科学、环境监测等，因为理解空间结构往往是许多科学难题的关键。 她指出：这不仅是技术进步，而是AI 进入“真实世界参与者”阶段的标志。未来AI 将不仅“告诉你”或“推荐你”，而是“与世界一起行动”。
5. 总结＋挑战提示
在文章的最后，李飞飞回到她的开头提问：我们如何构建、如何使用这种世界模型？她再次强调：这是AI 的一次范式跃迁，从“文字／图像”世界走向“空间／结构／互动”世界。 她提醒读者：虽然前路充满挑战，但正是这些挑战——数据、物理、通用性、实时、安全——构成了让AI 真正进入世界、参与世界、改变世界的门槛。跨过这门槛，AI 的能力将不再是“生成精彩文案”或“识别物体”，而是“理解世界”“塑造世界”“行动于世界”。 因此，她呼吁研发者、产业界、学术界一起面向这个方向：投入基础设施建设（如数据集、模拟环境）、构建新的模型范式、重视长期研究和系统安全、人机协作、开放 生态。 她最后的核心结语可整理为：“空间智能将变革我们创造和交互现实与虚拟世界的方式。”
