從圖像到世界
『看到』、『理解』、『行動』。這三個看似簡單的詞彙，正在矽谷掀起一場靜悄悄的革命。就在不久前，ChatGPT 和其他大語言模型（LLMs）的出現讓全世界為之震驚，人們開始意識到 AI 在語言理解和生成方面的潛力。然而，一群由 Stanford大學 AI 教授李飛飛領導的科學家們卻將目光投向了一個更具挑戰性的領域：賦予 AI『空間智慧』的能力。
在加州 Palo Alto，WorldLabs 的團隊正在進行一項雄心勃勃的嘗試：開發一種被稱為『大世界模型』（Large World Model，簡稱 LWM）的技術。這項技術旨在創造出能夠像人類一樣感知、理解並與三維世界互動的 AI。如果成功，它可能會徹底改變從機器人技術到虛擬現實的一切。
我們可以想像一下，當你問 AI 助理『我家客廳裡那張舊沙發該放在哪兒呢？』時會發生什麼。在不久的將來，AI 可能會立馬在虛擬空間中重建你的客廳的 3D 模型，考慮房間的佈局、光線條件，甚至是你的個人風格偏好。然後，它不僅會告訴你最佳的擺放位置，還會生成一個逼真的 3D 渲染圖，展示這個建議的效果。這聽起來像科幻小說嗎？也許吧，但按照李飛飛的說法，這樣的場景可能很快就會成為現實。
李飛飛解釋道：『所有具有空間智慧的生物，都天生具備將感知與行動關聯起來的能力。如果我們想讓 AI 超越其當前的能力，我們需要的不僅僅是一個能看、能說的 AI，而是一個能行動的 AI。』
從井底之蛙到鳥瞰全局
目前的 AI，就像是被困在井底的青蛙。它們可能在特定領域表現出色，比如下棋或寫作，但對於我們生活的三維世界卻知之甚少。相比之下，WorldLabs 的目標是讓 AI 擁有鳥瞰全局的能力，不僅要讓 AI 能看到整個世界，還能理解它的深度和複雜性。
這個雄心勃勃的目標吸引了科技界的大佬們。WorldLabs 最近完成了 2.3 億美元的融資，投資者包括著名風險投資公司 Andreessen Horowitz (A16Z)、Nvidia 的投資部門，甚至還有 AI 先驅 Geoffrey Everest Hinton 和 Google 前 CEO Eric Schmidt。
A16Z 的合夥人 Martin Casado 表示：『這是我遇到過的最強的團隊，沒有之一。』他甚至每週都會花一天時間在 WorldLabs 工作，這在 VC 界是極為罕見的。
那麼，什麼是空間智慧？為什麼它如此重要？
李飛飛將智慧分為兩大類：語言智慧和空間智慧。雖然大語言模型的崛起使得語言智慧成為當前 AI 研究的焦點，但空間智慧作為人類認知的另一個關鍵組成部分，其重要性不容忽視。
『空間智慧是經過數百萬年演化而來的，』李飛飛解釋道，『這是一種理解、推理、生成，甚至在 3D 世界中互動的能力。無論是欣賞一朵花，觸摸一隻蝴蝶，還是建造一座城市，所有這些都是空間智慧的體現。』
事實上，語言智慧和空間智慧是密不可分的。想要進一步提升 AI 的語言能力，就需要增強它與人類的互動能力。而在所有語言互動中，空間智慧都扮演著基礎性的角色。正是因為空間智慧，我們才能理解交談對象是誰、在哪裡，以及處於什麼樣的情境中，從而給出恰當的回應。
從畫素到現實：AI 的進化之路
在過去的幾年裡，AI 在 3D 生成和影像生成領域取得了令人矚目的進展。現在，只需一句簡單的提示，AI 就能生成各種圖像和視頻。這些技術正在以前所未有的方式重塑我們的工作和生活。然而，WorldLabs 的野心遠不止於此。
李飛飛認為，如果要讓 AI 真正理解和創造現實世界，無論是模擬現實還是構建全新的虛擬宇宙，我們需要一個類似於 ImageNet 的突破。ImageNet 是李飛飛等人於 2007 年創建的大規模圖像數據集，它為深度學習在計算機視覺領域的突破奠定了基礎。
WorldLabs 的目標是構建具有空間智慧的大世界模型（LWM），使其能夠感知、理解、推理，甚至生成 3D 世界，並允許人類與這個世界進行互動。李飛飛和她的團隊相信，未來十年將是創造全新內容的時代，這些內容將把計算機視覽和深度學習從虛擬的互聯網世界帶入真實的空間和時間中。
從科幻到現實：LWM 的應用前景
WorldLabs 的願景聽起來可能有些遙不可及，但其潛在的應用範圍卻是廣泛而深遠的。以下是一些可能的應用場景：
- 智能家居設計：想象一下，你可以用語音命令重新設計你的整個房間，AI 會即時生成 3D 模型，並根據你的喜好和實際空間限制提供建議。
- 城市規劃：城市規劃師可以利用 LWM 模擬不同的城市設計方案，預測交通流量、能源消耗和環境影響，從而做出更明智的決策。
- 災害預防：通過模擬自然災害（如洪水或地震）對特定區域的影響，LWM 可以幫助制定更有效的防災和疏散計劃。
- 電影製作：電影製作人可以使用 LWM 快速生成複雜的 CGI 場景，大大縮短製作時間和成本。
- 教育：學生可以通過虛擬實境探索歷史場景或科學概念，獲得沉浸式的學習體驗。
- 機器人技術：具備空間智慧的 AI 可以極大地提升機器人的能力，使它們能夠更靈活地應對複雜的實際環境。
- 自動駕駛：LWM 可以幫助自動駕駛汽車更好地理解和預測複雜的交通情況，提高安全性。
- 虛擬試衣間：消費者可以在虛擬環境中試穿衣服，看到衣服在自己身上的效果，而不需要實際穿上。
- 遊戲開發：遊戲開發者可以利用 LWM 快速生成大規模、細節豐富的遊戲世界。
- 醫療成像：醫生可以使用 LWM 更好地解釋 3D 醫學圖像，如 CT 或 MRI 掃描，從而提高診斷準確性。
然而，將這些想象變為現實並非易事。WorldLabs 面臨著諸多技術挑戰，其中最關鍵的包括：
- 計算能力：處理和生成複雜的 3D 環境需要巨大的計算能力。儘管 GPU 技術在不斷進步，但要實現即時的大規模 3D 互動仍然是一個巨大的挑戰。
- 數據獲取與標註：訓練大世界模型需要大量高質量的 3D 數據。蒐集和標註這些數據是一項艱巨的任務。
- 物理模擬：準確模擬現實世界的物理規律是一個複雜的問題，特別是當涉及到流體動力學或柔性物體時。
- 跨模態學習：整合視覺、聽覺和觸覺等多種感知模式，以創建真正全面的世界模型。
- 即時性：在實際應用中，LWM 需要能夠實時響應用戶的輸入和環境的變化。
- 隱私和安全：處理和存儲大量的 3D 環境數據可能會引發隱私問題。
儘管面臨這些挑戰，WorldLabs 的團隊仍然充滿信心。公司共同創辦人 Justin Johnson 表示：『我們相信，隨著時間的推移，AI 領域將出現功能更強大、能力更廣泛的世界模型。這種模型可以應用於各種領域，與人類協同工作，實現真正的通用智能。』
從實驗室到市場：WorldLabs 的商業化之路
儘管 WorldLabs 的願景令人興奮，但將尖端技術轉化為可行的商業產品往往是一個漫長而艱難的過程。公司承諾將在 2025 年推出首個產品，但具體細節尚未公布。
當被問及 WorldLabs 將如何獲利時，李飛飛坦言：『我們現在還只是起步階段，有許多邊界需要突破，還有許多未知的問題需要解決。』但她同時也表示：『我們擁有全球最優秀的團隊，有能力解決這些未知的問題。』
A16Z 的 Martin Casado 則給出了更具體的商業化假設。他指出，就像 OpenAI 的 ChatGPT 或 Anthropic 的 Claude 一樣，模型本身就可以作為產品，成為一個供他人直接使用或託管其他應用程式的平台。潛在客戶可能包括遊戲公司或電影製片廠。
然而，WorldLabs 並不是唯一一家涉足『物理 AI』的公司。NVIDIA 的 CEO 黃仁勳在今年的 GTC 大會上就曾表示，為通用人型機器人建立基礎模型是當今 AI 領域最令人興奮的方向之一。其他科技巨頭如 Google、微軟和 Meta 也在類似的領域進行研究。
那麼，是什麼讓 WorldLabs 與眾不同呢？Casado 認為，答案在於公司的雄心、人才和願景。WorldLabs 的創始團隊不僅包括 AI 領域的頂尖人才，還擁有豐富的商業化經驗。除了李飛飛外，其他三位聯合創始人都是計算機視覺和圖形學領域的專家：
- Ben Mildenhall：Stanford 大學數學和計算機科學學士，加州大學柏克萊分校博士，前 Google 研究科學家，神經輻射場（NeRF）的提出者。
- Justin Johnson：加州理工學院數學和計算機科學學士，Stanford 大學博士，University of Michigan 助理教授，前 Meta 研究科學家。
- Christoph Lassner：德國奧格斯堡大學訊息學學士，圖賓根大學博士，前 Meta 和 Amazon 研究科學家，曾在 Epic Games 領導研究團隊。
這個夢之隊不僅擁有深厚的學術背景，還有豐富的工業界經驗，這使得 WorldLabs 在將前沿研究轉化為實際產品方面具有獨特優勢。
元宇宙的教訓：技術與內容的平衡
WorldLabs 的願景在某種程度上讓人聯想到近年來備受關注的『元宇宙』概念。然而，WorldLabs 的創始人認為，元宇宙熱潮來得太早，過於依賴一些有前景但尚未成熟的硬體技術，而缺乏真正吸引人的互動內容。
李飛飛表示：『元宇宙的理念是正確的，但技術還沒有跟上。我們相信，大世界模型可能是解決這個問題的關鍵。通過賦予 AI 空間智慧，我們可以創造出真正引人入勝的虛擬世界，而不僅僅是空洞的 3D 環境。』
事實上，WorldLabs 的願景可能比元宇宙更加宏大。它不僅旨在創造虛擬世界，還希望讓 AI 能夠理解和互動於現實世界。這種融合虛擬和現實的方法可能會為增強現實（AR）技術帶來革命性的突破。
技術的社會影響：機遇與挑戰並存
隨著空間智慧 AI 的發展，我們必須審慎考慮其對社會的潛在影響。一方面，這項技術可能帶來巨大的經濟和社會效益：
- 提高生產效率：在製造業、建築業等領域，具備空間智慧的機器人可以更靈活地執行複雜任務，大幅提高生產效率。
- 改善醫療保健：從精確的手術規劃到個性化的康復訓練，空間智慧 AI 可以在多個方面提升醫療質量。
- 推動科學研究：在物理學、化學、生物學等領域，AI 可以幫助科學家更好地可視化和理解複雜的三維結構和過程。
- 增強教育體驗：通過創造身臨其境的學習環境，空間智慧 AI 可以使教育更加生動有趣且富有成效。
- 改善城市管理：從交通優化到災害預防，AI 可以幫助城市規劃者做出更明智的決策。
然而，這項技術也可能帶來一系列挑戰和風險：
- 就業市場變革：某些依賴空間技能的工作可能面臨被 AI 取代的風險，社會需要為此做好準備。
- 隱私問題：AI 對物理空間的深入理解可能引發新的隱私擔憂，需要建立相應的法律和道德框架。
- 安全風險：如果被惡意利用，具有空間智慧的 AI 可能對國家安全構成威脅。
- 數字鴻溝：這種先進技術可能加劇已有的數字鴻溝，使得技術落後地區更加落後。
- 心理健康影響：虛擬世界變得越來越真實，可能會影響人們區分現實和虛擬的能力，帶來心理健康問題。
李飛飛對這些潛在的社會影響深有認識。她表示：『任何強大的技術都是一把雙刃劍。我們的責任不僅是開發技術，還要確保它被負責任地使用。WorldLabs 正在與倫理學家、社會學家和政策制定者合作，以預見和應對可能出現的問題。』
全球競賽：誰將主導空間智慧 AI 的未來？
儘管 WorldLabs 在空間智慧 AI 領域佔據了先發優勢，但這個領域的競爭正在迅速升溫。除了前面提到的 NVIDIA，其他科技巨頭也在加緊布局：
- Google：通過其 DeepMind 部門，谷歌一直在探索 AI 在 3D 理解和生成方面的應用。最近，他們發布了一個名為 “Genie” 的模型，可以從單一圖像生成動態 3D 場景。
- 微軟：作為 HoloLens 混合現實頭顯的開發者，微軟在空間計算領域有深厚的積累。他們正在將這些經驗與 AI 技術相結合。
- Meta（前身為 Facebook）：作為 “元宇宙” 概念的主要推動者，Meta 在虛擬和增強現實技術方面投入巨資。他們最近發布的 AI 研究成果顯示，他們也在向空間智慧 AI 方向發力。
- 蘋果：雖然蘋果一向對其 AI 研究保持低調，但有跡象表明，他們正在為即將推出的 AR 眼鏡開發相關技術。
- 特斯拉：在自動駕駛領域，特斯拉一直在推進基於視覺的 AI 系統，這與空間智慧 AI 有密切關係。
此外，中國的科技巨頭如百度、阿里巴巴和騰訊也在這一領域展開激烈競爭。百度的 Apollo 自動駕駛平台和阿里巴巴的達摩院都在進行相關研究。
這場全球競賽不僅關乎技術優勢，還涉及國家安全和經濟主導權。正如 AI 芯片成為中美科技戰的焦點一樣，空間智慧 AI 很可能成為下一個戰場。
李飛飛對此有清醒的認識：『空間智慧 AI 的發展不應該是一場零和博弈。我們需要全球合作來應對這一領域的挑戰。同時，我們也必須警惕技術壟斷和濫用。』
重塑世界的新工具?
WorldLabs 的雄心壯志讓我們想起了 20 世紀初愛因斯坦提出相對論時的情景。當時，很少有人能夠理解這一理論的全部含義，更少有人能預見它將如何改變世界。今天，我們或許正站在類似的歷史關口。
空間智慧 AI 不僅僅是一項新技術，它可能是一種全新的認知工具，有潛力徹底改變人類理解和互動世界的方式。就像印刷術擴展了人類的知識獲取能力，網際網路改變了資訊傳播方式一樣，空間智慧 AI 可能會重塑我們感知和創造現實的方式。
然而，正如任何強大的工具一樣，它的影響取決於我們如何使用它。李飛飛和她的團隊深知他們肩負的責任。『我們不僅在開發技術，』李飛飛說，『我們在塑造未來。』
WorldLabs 的旅程才剛剛開始，但它已經為我們描繪出了一幅令人興奮的未來圖景。在這個未來中，虛擬與現實的界限將變得模糊，AI 將成為我們探索和創造世界的得力助手。當然，這個未來也帶來了諸多挑戰和不確定性。
Deus 也將將繼續關注 WorldLabs 和整個空間智慧 AI 領域的發展。我們相信，這個領域的進展不僅關乎技術創新，更關乎人類社會的未來走向。在接下來的幾年裡，我們或許會看到一場真正的認知革命。而這場革命的成功與否，不僅取決於技術的突破，還取決於我們如何明智地管理和利用這些新工具。
最後，讓我們以李飛飛的一句話作為結尾：『在科技的浪潮中，我們不應該忘記人性的重要性。空間智慧 AI 的終極目標不是取代人類，而是增強人類的能力，幫助我們更好地理解和塑造我們的世界。』
在這個充滿可能性的新時代，我們每個人都有責任思考：我們想要創造一個什麼樣的未來？
