李飞飞为什么押注空间智能

核心内容

围绕李飞飞对空间智能的研究与创业选择展开，讨论 AI 如何从语言走向对空间和物理世界的理解。

介绍依据 · 发布标题 · 完整内容待核读

编辑导览，依据原始来源 ↗，整理于 2026-10-06。介绍只说明标题中的讨论议题，不据此判断讲者结论。

李飞飞从演化论第一性原理阐释‘空间智能’（Spatial Intelligence）路线：大自然赋予动物眼睛而非树木，正是因为移动必然产生‘新视点预测’，因此生成式新视点预测与语言模型的下一个词预测一样具备 AI 完全性（AI-complete）；三维世界模型的本质不是表层像素渲染，而是生成具备真正空间几何上下文与物理接地的实体表征。

原话

2逐字核对过；核对了说话人和位置

从演化论视角来看，新视点预测正是大自然通过让动物运动所必须解决的问题。大自然赋予了动物眼睛，却没有给树木眼睛。为什么？因为只要你运动，你就会看到新的视点。无论你称之为 AI 完全性还是智能完全性，我们都坚信‘下一个视点预测’与‘下一个词预测’完全等价。

new viewpoint prediction is exactly what evolution had to solve by making animals move. Nature gave animals eyes, but nature didn't give trees eyes. Why? Because when you move, you see a new viewpoint. And that is whether you call it AI-complete or intelligence-complete. So we do believe very strongly that next viewpoint prediction is the equivalent of next token prediction.

自动字幕 · 已核对李飞飞▶ 00:42:25 #学习范式与路线 #具身与物理世界

语境：李飞飞从生物演化与智能起源阐释 World Labs 空间智能的核心哲学：运动与交互迫使生物感知三维空间的新视点，因此预测新视角是通向物理世界通用智能的本原路线。

支持 → youtube-demis-hassabis-20260911

承接 → sequoia-sutton-20260818

在通往空间智能的道路上，生成像素无疑只是初级的第一步，无数模型都已经做到了这一点。但生成真正具备空间上下文感知并扎根于几何与物理现实的像素，则是质的飞跃。而这正是 Atlas 迈出的最艰难一步。

generating pixels is definitely an early step, which we have seen with gazillions of models. But generating pixels that are truly spatially contextualized and grounded is absolutely another major step. And that is the very hard step that Atlas has taken.

自动字幕 · 已核对李飞飞▶ 00:10:10 #学习范式与路线 #具身与物理世界

语境：李飞飞区分 2D 视频生成与 3D 世界模型的本质差异：表层像素生成容易产生幻觉与物理不一致，真正的世界模型必须具备空间几何接地（grounded）。

支持 → youtube-demis-hassabis-20260911