【祛魅】科学家不能随波逐流——李飞飞的世界模型

Bloomberg Tech 的舞台上，Emily Chang 把第一个问题直接抛了过去：所有人都在追 LLM、追 ChatGPT、追各种大语言模型，你却筹了一大笔钱，去做一件不一样的事——世界模型。理由是什么，你下的注和别人有什么不同？

这确实是一笔不小的赌注。几个月前，她联合创办的 World Labs 刚完成新一轮十亿美元级别的融资，投资方里有英伟达、AMD 与 Autodesk。但这场对话真正的看点，不在赌注多大。

看点在一种反差——她是世界模型这条赛道上最早入场的人之一，却也是最坚决拒绝那套热词的人。AGI、奇点、末日论、所谓"下一个 ChatGPT 时刻"，她一个都不接。

这篇拆解想把目光放在这件事上：当整个行业被预言与喧嚣裹挟时，一个科学家凭什么坚持不随波逐流。

一、语言能扑灭火灾吗

她给的理由，是一个长达五亿年的故事。

在她的叙述里，智能并不始于语言，而始于动物在物理世界中的感知与移动。进化从我们作为动物开始——去认知世界是什么、我们是谁、如何在这个世界里穿行并与之交互。所谓空间智能，就是把这种能力交给机器：理解三维空间、物理规律与动力学，生成 3D 乃至 4D 的世界，并在其中推理、行动。

那么世界模型究竟能做到哪些 LLM 永远做不到的事？她的回答带着典型的反问。

她列举的另一面，是创造力：设计室内空间、设计机器、设计房屋，乃至设计一个故事——其中很大一部分，文字根本够不着。再往前，是各种智能体，无论用于游戏娱乐，还是用于数字孪生、检测、优化这类严肃工业场景；以及机器人，去做从灭火、辅助医疗到制造的工作。

生活的绝大部分——感知、理解、推理、与世界互动——是语言永远抵达不了的疆域。这正是她要把机器带去的地方。

二、祛魅：世界模型的三张面孔

"世界模型"这个词，正在被滥用到失焦。她对此显然不耐烦——就在这场对话的前一天，World Labs 专门发了一篇博客，给世界模型做了一套功能性分类，而不是把一切混为一谈。

在她看来，今天空间智能领域里被叫作"世界模型"的东西，其实有三张不同的面孔。第一种是渲染器：在屏幕上生成精美像素，主要服务于人类的眼球，类似视频生成模型——它不一定遵守物理、动力学与几何的正确性，因为它的消费者是眼睛，不是计算。第二种是规划器：面向机器、面向机器人，输入当前世界状态或动作，输出下一步该采取的正确行动，常见于机器人技术。

而第三种，她认为才是三者的核心——模拟器。它既能被机器使用，也能被人类使用；它要真正遵循世界的结构、物理与动力学，模拟出三维、四维乃至语义层面的信息。模拟器可以演化成渲染器，也可以演化成规划器。

这套区分本身，就是一次祛魅。它把一个被热度搅浑的词重新拆开，逼着每个人说清楚自己到底在做哪一种。而她押注的，是中间那一层——只有当模型能理解世界的物理结构，它才可能从单纯的视觉生成，进化为真正会推理的智能；模拟器，才是解锁空间智能的关键路径。

三、没有 ChatGPT 时刻

Emily 追问：世界模型的"ChatGPT 时刻"会是什么？我们怎么知道它已经到来？

她的回答罕见地冷静。聊天是一种典型的大众消费行为，所谓 ChatGPT 时刻，往往指那种触及能力边界、引发病毒式传播的瞬间。但世界模型未必会有那样一个全民引爆点，因为它先服务的是专业人士——创作者、设计师、开发者、研究人员，以及把它用于机器人与工业设计的工程师。她也留了余地：说不准呢。然后补了一句很有人味的话——她很想用简单得多的方式设计自己的家，比如点一下鼠标就换掉窗帘的颜色。

Emily 随即把竞争摆上桌：过去半年，Yann LeCun 离开 Meta 去做世界模型，谷歌推出了 Genie 3，英伟达也有自己的世界模型 Cosmos——而英伟达还是 World Labs 的投资方之一。你们有什么他们没有的？

她的底气来自时间。World Labs 在 2024 年走出隐身时，业界还几乎全部押在 LLM 上；能在那时就认定空间智能是人工智能的下一个前沿，是一种先发的判断力。加上一支极强的团队，和坚定的信念。Emily 在旁边补刀：它们可没有教母。

话锋转到机器人。Emily 调侃：人形机器人已经吸了 60 亿美元，却还洗碗洗不过我、也帮不了我取快递。她的回应同样不留情面——按她的判断，60 亿太少了。对照自动驾驶和语言模型的投入，这个数字远远不够；机器人将是人类工业化进程中最重要的革命之一。

但她紧接着把方向拨正：投资不该只追炒作，而要投到底层的正确方向上。真正要解锁的，不是机器人走得多快，而是它在复杂环境里建模与仿真的能力——也就是世界建模、空间智能与仿真这一层。缩小炒作与现实的差距，靠的正是这件事。

四、从安全戏码到手术室

谈到 AI 安全，Emily 问她：整个行业里，哪些是真安全工作，哪些只是"安全戏码"？

她先自嘲，说自己对各种宏大言论都更审慎，这让她显得很无趣。但态度很清楚：现在的炒作实在太多了。无论你用"负责任""安全"还是"可信赖"这些词，核心目标只有一个——把技术和产品做对，让它赋能、增强、辅助人，而不是伤害人。

她更愿意在具体场景里谈安全。而那天，她就有一个再具体不过的场景——她是从医院赶到这场对谈的，家人一小时后就要做手术。在斯坦福医院，她亲眼看着 AI 已经落在哪些地方：医生用它辅助写病历，放射科医生用它协助解读 MRI 与 CT。前一晚，她拿到一份很长的放射科报告，做的第一件事就是发给 AI 帮自己读懂。

这一切都在真实发生。安全的护栏正在落实，只是还需要以更正确、更有科学依据的方式去加强。这才是该有的对话，而不是某种作秀。在她看来，把氧气全都吸进末日论与乌托邦两个极端，反而滋生出一种虚无感；而那种虚无感，正是真实的人们焦虑的来源。

五、人类的主动权

一场针对 AI 的反弹正在发生。Emily 提到，前谷歌 CEO Eric Schmidt 在一所大学的毕业典礼上谈 AI，被在场学生喝了倒彩。她花了大量时间和学生在一起，听到的是一种复杂的情绪：焦虑、希望、兴奋、困惑，同时并存。

她把这种情绪拆得很细：当 AI 帮你完成过去做不到的事，会有一种尊严感与自主感；当 AI 即将取代你的工作，则是尊严与自主的丧失感——两者往往同时压在一个人身上。而这种情绪，恰恰在缺乏深思熟虑的公共话语时最容易蔓延。

作为科学家、教育者和创业者，她认为自己有责任不去炒作，而是以科学与谦逊的态度去交流，提醒人们：这只是一项技术——如果我们做对了，它确实能极大地赋能工作与生活，带来更好的医疗、更好的科学发现、更好的环境与教育。

教育必须改变。当一项技术已经能解答标准化考试，能拿下国际数学奥林匹克的题目，人类社会最宝贵的资源——人力资本——就需要重新定位。这意味着评估方式要变，赋能教师的方式要变，下一代要被教会使用这些工具，去完成我们今天无法想象的事。

所以孩子们还会学习吗？她的回答是：当然。只要教育得当、社会准备充分，今天的孩子就不该恐惧 AI。他们应该感受到"人类的主动权"——由人来引领 AI，以正确的方式使用它，去实现他们想为世界带来的改变。

⁂

对话的最后，Emily 把那串最流行的预言摆出来：Anthropic 的 Dario Amodei 说 AGI 还有两三年，靠扩展当前范式就能实现；Google DeepMind 的 Demis Hassabis 说我们正站在奇点的山脚下。而你说，你甚至不用 AGI 这个词。是他们错了，还是你们对目标的定义不一样？

她不接这个词。理由很质朴：人工智能这门学科的奠基者们，当年怀揣的是创造能思考、能行动的机器的梦想——那是一场科学探索，是她毕生的事业，她至今仍走在这条路上。如今，她把这种探索与"做出能改善人们生活的产品"结合起来，这就是被称为人工智能的领域。她追求的未来，不是一个被模糊术语定义的终点，而是一场仍在继续的科学探索。

别人想把它叫成什么都行，她说，哪怕叫它"苹果"也无所谓。她只专注于构建一种能真正改变人们生活与工作的技术。而被问到今年会发布什么时，她给出了一个具体的期待：希望能推出一个空间智能模型，去激发人们前所未见的产品机遇。

尾声

这场对话里可以记住的，不是哪个时间表，也不是哪句对未来的预言。

是一种姿态——当整个行业都在比谁的预言更惊人时，她坚持把世界模型这个词拆开、把安全拉回手术室、把孩子的恐惧换成主动权。这是一次次的祛魅：把笼罩在技术上的神话剥掉，真正的工作才显出形状。

⁂

语言能做很多事。
但它扑不灭火，也煎不出一份欧姆蛋。
机器要走出语言的迷宫，
才算真正开始理解我们所在的世界。

科学家不能随波逐流。
因为在所有人都急着报出年份的时候，
有人得负责把问题，重新问对。

本文整理自李飞飞 × Emily Chang 于 Bloomberg Tech 2026（美国旧金山，2026 年 6 月）的现场对谈。文中对谈内容为转述与拆解，非逐字记录。

转载请注明：《宇宙纪事 · 硅谷人物》系列。