No.0313

Science Partner

Bring you to the side of science

導(dǎo) 讀

6月11日，李飛飛的World Labs在同一天悄悄上傳了三篇技術(shù)論文到arXiv。沒(méi)有發(fā)布會(huì)，沒(méi)有CEO直播，沒(méi)有吊足胃口的預(yù)熱推文。三篇論文、代碼鏈接、項(xiàng)目主頁(yè)、Demo全部附上。

熟悉AI圈節(jié)奏的人會(huì)意識(shí)到這意味著什么：這家公司要出那口憋了快兩年的氣。

三篇論文的主題分別是深度感知與圖像生成的統(tǒng)一、3D場(chǎng)景的可見(jiàn)域外幾何預(yù)測(cè)、以及人體動(dòng)態(tài)的4D重建，覆蓋了空間智能這個(gè)賽道從底層表示到高層應(yīng)用的三個(gè)關(guān)鍵環(huán)節(jié)。也讓我們管窺到世界模式是什么，也知道這件事有多難。

走，跟伙伴君來(lái)！

今日主筆 | 恒意

從ChatGPT到世界模型：李飛飛一天三篇論文，AI下半場(chǎng)開(kāi)始了

01. 一場(chǎng)被很多人低估的路線之爭(zhēng)

要理解這三篇論文的意義，得先弄清楚一個(gè)問(wèn)題：大語(yǔ)言模型（LLM）和世界模型（World Model），到底在爭(zhēng)什么？

過(guò)去三年，ChatGPT的成功讓“下一個(gè)詞預(yù)測(cè)”這件事變成了全球最熱門的投資主題。訓(xùn)練數(shù)據(jù)更多、參數(shù)更大、算力更強(qiáng)，模型就越聰明。這套邏輯驅(qū)動(dòng)了數(shù)千億美元的資本流向，也主導(dǎo)了整個(gè)AI行業(yè)的技術(shù)路線。

但“邪路”從2024年底就已經(jīng)出現(xiàn)了。

OpenAI的聯(lián)合創(chuàng)始人之一Ilya Sutskever在2024年12月的NeurIPS年會(huì)上領(lǐng)了一個(gè)“時(shí)間考驗(yàn)獎(jiǎng)”，上臺(tái)發(fā)言時(shí)說(shuō)了一句被廣泛截圖的話“我們所知道的預(yù)訓(xùn)練將會(huì)終結(jié)”。他把互聯(lián)網(wǎng)比作AI的石燃料，警告這種資源是有限的。這位親手參與建造大語(yǔ)言模型體系的人，給自己的路線判了一個(gè)有條件的死刑。

Yann LeCun比Ilya早說(shuō)了好幾年，炮火也猛烈的多得多。這位2018年與Hinton、Bengio共享圖靈獎(jiǎng)的得主（三人后來(lái)撕了），在Meta擔(dān)任首席AI科學(xué)家超過(guò)十二年，期間反復(fù)在公開(kāi)場(chǎng)合宣稱：大語(yǔ)言模型永遠(yuǎn)無(wú)法實(shí)現(xiàn)人類水平的推理，因?yàn)樗鼈內(nèi)鄙僖粋€(gè)對(duì)世界的內(nèi)在模型。2025年11月，他宣布離開(kāi)Meta，2025年12月正式確認(rèn)創(chuàng)立AMI Labs（Advanced Machine Intelligence），目標(biāo)只有一個(gè)：訓(xùn)練世界模型。

雖然方向相同，但李飛飛給出的是另一種表述。她在2026年6月3日那篇長(zhǎng)文里寫道：大語(yǔ)言模型學(xué)的是文本的統(tǒng)計(jì)規(guī)律，而世界模型學(xué)的是時(shí)空的統(tǒng)計(jì)規(guī)律，光怎么照在物體上，東西受力后怎么運(yùn)動(dòng)，空間里的遮擋關(guān)系如何變化。一個(gè)從未見(jiàn)過(guò)物理世界的系統(tǒng)，對(duì)“蘋果從樹(shù)上掉下來(lái)”的理解，永遠(yuǎn)只是一組詞與詞之間的條件概率。

說(shuō)白了，這是一場(chǎng)關(guān)于AI的下一步到底是什么的根本性分歧。

02. 數(shù)據(jù)墻有多真實(shí)

批評(píng)LLM路線的人，最常拿出來(lái)說(shuō)的論據(jù)是數(shù)據(jù)墻（Data Wall）。

這個(gè)概念的核心邏輯并不復(fù)雜：互聯(lián)網(wǎng)上的高質(zhì)量文本數(shù)據(jù)是有限的。Forbes在2026年3月的分析指出，某些研究機(jī)構(gòu)預(yù)測(cè)，可公開(kāi)獲取的高質(zhì)量文本數(shù)據(jù)最早可能在2029年前耗盡，這一拐點(diǎn)正在加速逼近。AI公司的應(yīng)對(duì)方案是合成數(shù)據(jù)，即用AI自己生成訓(xùn)練數(shù)據(jù)再喂給自己。但Forbes的分析直白地說(shuō)，這時(shí)候真正稀缺的是人類無(wú)法被合成替代的高信號(hào)數(shù)據(jù)：合成數(shù)據(jù)可以量產(chǎn)，但它無(wú)法復(fù)現(xiàn)人類思維中那些罕見(jiàn)、獨(dú)特、有創(chuàng)造性的邊緣樣本，模型反復(fù)在自我生成的數(shù)據(jù)上訓(xùn)練，最終會(huì)退化成對(duì)均值的模糊近似。

世界模型這條路的回答是：繞開(kāi)文本數(shù)據(jù)的瓶頸，從視覺(jué)、空間、物理交互中學(xué)習(xí)。三維世界的信息密度遠(yuǎn)高于文字，而且不會(huì)枯竭。

現(xiàn)實(shí)世界永遠(yuǎn)在產(chǎn)生新的數(shù)據(jù)。

TechCrunch在2026年5月的一篇報(bào)道里揭示了這條邏輯鏈的商業(yè)延伸：一家叫Origin Lab的初創(chuàng)公司剛剛完成800萬(wàn)美元融資，專門幫電子游戲公司把游戲資產(chǎn)轉(zhuǎn)化成世界模型訓(xùn)練數(shù)據(jù)，客戶直接鎖定的就是AMI Labs和World Labs。數(shù)據(jù)稀缺的問(wèn)題，整個(gè)行業(yè)都感受到了。

03. 三篇文章看World Labs在賭什么

從外部能觀察到的動(dòng)作來(lái)看，World Labs的打法相當(dāng)激進(jìn)。

這家公司2024年9月從隱身狀態(tài)現(xiàn)身，融了2.3億美元。2026年2月18日，它宣布完成10億美元融資，投資方包括NVIDIA、AMD、Autodesk，其中Autodesk單筆投入2億美元，并拿下了一個(gè)戰(zhàn)略顧問(wèn)席位。彭博此前報(bào)道該輪估值約為50億美元。從隱身到估值50億美元，不到18個(gè)月。

2026年4月，World Labs入選Forbes年度AI 50榜單，被定位為空間智能賽道的奠基型公司。

這周的三篇論文，本質(zhì)上是在給World Labs的產(chǎn)品Marble補(bǔ)技術(shù)底座。Marble是2025年11月上線的第一款商業(yè)產(chǎn)品，核心是從文字、圖像或視頻生成可導(dǎo)航的三維世界，定價(jià)從免費(fèi)到95美元/月四個(gè)檔位。咱們就看看，這三篇都說(shuō)了啥：

第一篇：Modality Forcing

解決的是“如何用同一個(gè)模型同時(shí)學(xué)會(huì)看圖和估深度的問(wèn)題，即把圖像和深度信息統(tǒng)一到一個(gè)Diffusion Transformer（DiT）里訓(xùn)練，僅用稀疏的深度數(shù)據(jù)就讓模型學(xué)會(huì)幾何感知。關(guān)鍵數(shù)據(jù)：深度估計(jì)誤差（AbsRel指標(biāo)）比現(xiàn)有同類方法降低57%；從3.7億參數(shù)擴(kuò)展到33億參數(shù)時(shí)性能持續(xù)提升，說(shuō)明這條路線有效的Scaling性質(zhì)。

第二篇：World Tracing

傳統(tǒng)的3D重建只能重建相機(jī)能看到的部分，如被遮擋的物體背面、桌子底下的地板，全是盲區(qū)。World Tracing為每一個(gè)輸入像素預(yù)測(cè)一個(gè)“有序3D點(diǎn)堆?！?，第一層是可見(jiàn)表面，后續(xù)層是被遮擋的幾何面，讓模型能夠“猜”出視野之外的世界結(jié)構(gòu)。這篇論文在arXiv上直接標(biāo)注為World Labs Technical Report（技術(shù)公告）。

第三篇：Flex4DHuman

把一段普通的單目視頻里的人物，變成可以從任意角度觀看的4D高斯?jié)姙R（4D Gaussian Splats）。不需要骨骼數(shù)據(jù)、不需要深度圖，只需要相對(duì)相機(jī)位姿。怎么樣，這個(gè)能力對(duì)游戲、AR/VR、影視制作的意義不言而喻了吧。

04. LeCun和李飛飛的路線是兩回事

雖然都是做世界模型，大家也經(jīng)常將Yan LeCun和李飛飛并提，但其實(shí)，有一個(gè)細(xì)節(jié)容易被忽略：他們走的其實(shí)不是同一條路，甚至在某些技術(shù)假設(shè)上是對(duì)立的。

LeCun主推的是聯(lián)合嵌入預(yù)測(cè)架構(gòu)（Joint Embedding Predictive Architecture，JEPA）。2026年2月4日，他在蒙特利爾MILA研究院舉辦的世界建模研討會(huì)上做了一場(chǎng)主題演講，題目直接叫“為什么世界模型需要用JEPA，而不是生成式架構(gòu)”。JEPA的邏輯是：不生成原始圖像或視頻，只在壓縮的抽象表示空間里做預(yù)測(cè)，避開(kāi)高維感官數(shù)據(jù)的噪聲問(wèn)題。LeCun認(rèn)為生成每一個(gè)像素是浪費(fèi)，世界模型應(yīng)該學(xué)的是抽象的因果結(jié)構(gòu)，而不是表象的視覺(jué)細(xì)節(jié)，感覺(jué)他讀了經(jīng)書(shū)有沒(méi)有，LoL。

2026年3月，AMI Labs宣布完成10.3億美元融資，估值35億美元，創(chuàng)下歐洲史上最大種子輪紀(jì)錄。機(jī)構(gòu)投資方包括Cathay Innovation、Greycroft等五家，天使投資人名單里有Tim Berners-Lee、Mark Cuban和Eric Schmidt。

World Labs走的則是生成式路線。這周三篇論文核心也都是生成。李飛飛在6月3日那篇分類文章里明確寫道，能夠生成符合物理規(guī)律的世界，是世界模型區(qū)別于其他AI系統(tǒng)的首要標(biāo)志。

這兩條細(xì)分路線誰(shuí)對(duì)誰(shuí)錯(cuò)，現(xiàn)在下結(jié)論還太早。但這個(gè)分歧本身很有意思：兩個(gè)都在批評(píng)LLM的人，但對(duì)于接下來(lái)該怎么做的答案，是相當(dāng)不一樣的。

05. 這對(duì)真實(shí)世界意味著什么

如果用最簡(jiǎn)單的話來(lái)說(shuō)，大語(yǔ)言模型改變了我們和信息打交道的方式，世界模型要改變的是機(jī)器和物理世界打交道的方式。

這不是一個(gè)抽象的哲學(xué)問(wèn)題。機(jī)器人、自動(dòng)駕駛、工業(yè)自動(dòng)化、AR/VR內(nèi)容生成，這些領(lǐng)域的瓶頸，幾乎無(wú)一例外是機(jī)器無(wú)法理解三維空間和物理規(guī)律，而不是機(jī)器不夠會(huì)說(shuō)話。Forbes在2026年1月指出，AI的下一階段正在向“從自身感知和經(jīng)驗(yàn)中學(xué)習(xí)的系統(tǒng)”傾斜，這描述的正是世界模型的基本工作邏輯。

World Labs這三篇論文，技術(shù)細(xì)節(jié)扎實(shí)，工程取向明確，沒(méi)有Anthropic和OpenAI那種顛覆一切的宏大敘事。但恰恰是這種低調(diào)，是不是反而成了判斷一個(gè)技術(shù)團(tuán)隊(duì)是否真的在做事的正向信號(hào)？

當(dāng)然，回到最開(kāi)始”世界模型最終能不能打敗大語(yǔ)言模型“？其實(shí)這個(gè)問(wèn)題本身就問(wèn)錯(cuò)了。更可能的結(jié)局是：LLM負(fù)責(zé)語(yǔ)言和推理，世界模型負(fù)責(zé)感知和空間，兩者協(xié)同，共同構(gòu)成下一代AI的骨架。

伙伴，你怎么看這個(gè)事兒？歡迎后臺(tái)私信留言～

本文僅作科普分享使用，歡迎小伙伴們點(diǎn)、收藏、關(guān)注，以備不時(shí)之需，當(dāng)然更歡迎您把 介紹給周邊可能需要的更多伙伴們呀。