2025年11月，著名AI学者李飞飞发表万字长文《From Words to Worlds: Spatial Intelligence is AI’s Next Frontier》中文《从语言到世界：空间智能是AI的下一个前沿》系统阐述了空间智能的突破意义，并预言这一能力将成为未来十年人工智能进步的核心驱动力。
核心论点：什么是“空间智能”？为什么关键？
李飞飞在文中强调，以语言或平面图像为基础的现有AI —— 虽取得了惊人成果，但本质上仍像“在黑暗中造文字匠人”。它们“会说话”、“会画图”，但并不真正“理解世界”。她指出，空间智能是人类认知与行动的根本基础——我们能导航、抓取、建造、移动，因为我们能理解三维空间、物体之间的关系、物理规律与因果结构。若 AI 要真正具备类人智能，就必须具备这种能力。
李飞飞指出，空间智能是人类认知的基石，也是AI迈向更高级理解与交互的关键。从文字到世界，AI必须跨越语言边界，建立能理解、推理、生成和操作现实及虚拟空间“世界模型”。这些世界模型超越当前的大型语言模型（LLMs）能力，将推动AI实现更深层次的创新与应用：
- 让机器人真正能与人类环境高效互动
- 重塑科学发现、材料研究和医学领域流程
- 赋能沉浸式娱乐、智能家居等现实应用
- 推动健康医疗、日常辅助、创造力等方面突破
- 突破语言模型瓶颈
当前AI主流技术以大语言模型为核心，虽然能高效地处理文本与抽象知识，但在现实空间、物理推理与交互操作上存在根本局限。李飞飞以哲学家维特根斯坦“语言的界限是世界的界限”为引，强调AI的未来远不止于语言，而是空间认知与行动的创新，为此，她主张构建具备“世界模型 (World Models)”的新型 AI，其必须同时具备三项关键能力：
- 生成性(Generative)：能够生成遵守物理规律、空间一致性的三维 (或高维) 世界；
- 多模态(Multimodal)：不仅能处理文本，还能处理图像、视频、几何、动作、物理反馈等多种模态输入；
- 交互性(Interactive)：不仅能生成静态世界，更能模拟动态变化、因果推理，以及在空间中与物体 / 环境交互 (移动、抓取、变形...)。
她认为，这样的空间智能，将是AI 从“文字/图像工具”跃升为“世界构建者、物理交互者、智能行动体”的根本前提。
原文核心段落中文翻译
1. 空间智能的意义
空间智能是我们认知能力的基石。无论我们是被动观察还是主动创造，它都在发挥作用。它驱动着我们的推理和规划，即使是最抽象的话题也不例外。它对我们与他人或环境的互动方式至关重要。今天，顶尖AI技术如大语言模型正在改变我们获取和处理抽象知识的方
然而，它们仍然是黑暗中的文字匠：能言善辩但无经验，知识渊博却缺乏现实根基。
2. 语言的界限与世界模型
哲学家维特根斯坦曾写道：“我的语言的界限就是我的世界的界限。”我并非哲学家，但我知道，对AI来说，语言远不止于此。空间智能代表着超越语言的前沿——连接着想象、感知和行动，为机器赋能人类生活开辟了无限可能，包括医疗保健、创造力、科学发现和日常辅助等领域。
大模型出来之前的AI集中在视频领域，未来的AI应该在视频、音频感知方面全方位推进才是方向，人工智能应该具备人所具有的感知能力，视觉、听觉、触觉、嗅觉甚至说话的能力都是必须要具备的能力。
3. 推动AI进步的下一个十年
那么，我们如何构建具有空间智能的人工智能？如何才能让模型像科学家一样推理、像工业设计师一样精确设计、像讲故事的人一样创造、像急救人员一样流畅地与环境互动？要做到这一点，我们需要比大语言模型更具雄心的方案——世界模型。这是一种新型生成模型，其理解、推理、生成和交互能力远远超出当前语言模型。
4. 空间智能AI的挑战与未来
真正具有空间智能的世界模型，必须能生成无穷无尽、丰富多样的模拟世界，并保持几何、物理和动态上的一致。随着空间智能世界模型推理与生成能力的提升，我们可以设想，机器不仅能预测世界的下一个状态，也能预测基于新状态下的下一步行动。这一挑战的规模超过了人工智能以往面临的任何挑战。
李飞飞定义AI未来的展望
李飞飞在文末强调，空间智能AI不是取代人类，而是补强科研、护理、创造等多维能力。世界模型和空间智能，将推动人类和AI在现实与虚拟世界深度融合，开启新的科技文明时代。
原文标题：From Words to Worlds: Spatial Intelligence is AI’s Next Frontier
初次发布日：2025年11月10日
感兴趣的可以关注本公众号私信留言，回复英文原文链接和中文全文翻译链接，自行下载。
李飞飞（Fei-Fei Li）简历
现任：
斯坦福大学计算机科学系教授（终身教职）
斯坦福人类中心人工智能研究院（HAI）联席院长（Co-Director）
美国国家工程院院士（NAE）
World Labs / AI 公司联合创始人（2024）
前谷歌云AI/ML 首席科学家（Chief Scientist）
一、教育背景
普林斯顿大学物理学学士（BA）
加州理工学院（Caltech） 电子工程博士（PhD, Electrical Engineering）
二、学术与工作经历
➤ Stanford University（斯坦福大学）
计算机科学系教授（终身教授）
斯坦福HAI（Human-Centered AI Institute）联合创始人 & 联席院长
主要研究方向：计算机视觉、认知科学、机器学习、AI与社会
➤ Google / Google Cloud
2017—2018：Google Cloud AI/ML 首席科学家
推动谷歌AI democratization 战略，将 AI 技术普惠化
➤ Princeton、UIUC、CMU、奥本大学（曾任科研/教学职位）
三、主要研究贡献
1. ImageNet 的创立者（世界级里程碑）
2009 年创建 ImageNet 数据集，推动了深度学习爆发
促成了AlexNet 在 2012 年突破性成功
被誉为“视觉领域的 MNIST 乘以 1000”
ImageNet 被认为是深度学习时代的起点
2. 具身智能（Embodied AI）与三维视觉的推动者
长期推动机器人视觉、3D 推理、空间智能研究
2024-2025 强调 “从语言到世界（From Words to Worlds）” 理念
提出AI 的下一阶段是 空间智能（Spatial Intelligence）
3. AI for Humanity（以人为本的 AI）理念提出者
主导斯坦福倡议：AI 应遵循伦理、开放、普惠
推动AI 在医疗影像、老年照护、教育等领域落地
四、荣誉与奖项
美国国家工程院院士（NAE）
美国艺术与科学学院院士（AAAS）
ACM Fellow
IEEE Fellow
《Nature》《Science》等顶刊常年作者
MIT TR35 “35 岁以下创新者”
美国政府科技顾问委员会委员
多次入选Time 100 AI、Forbes Women in Tech 等榜单
五、创业与产业贡献
World Labs（AI 空间智能公司）联合创始人（2024）
获超过2.3 亿美元投资
目标：打造具备空间智能（3D/物理推理/具身智能）的下一代世界模型
被视为未来十年AI 的新方向（World Models）
推动医疗与社会AI
建立AI 医学影像项目
促进AI 在医院、老年护理、应急响应领域落地
六、出版与作品
著作：《The Worlds I See》（中译名：模拟世界 / 我看到的世界）
2023 年出版
讲述她作为一名华裔女性科学家的成长、奋斗与AI 思考
被誉为“AI 教母的自传”
七、社会影响与评价
被媒体称为“AI 教母（Godmother of AI）”
ImageNet 贡献被认为：
> 直接改变了深度学习历史，开启了现代 AI 时代
她的研究、政策理念、产业推动，让她成为全球AI 领域最具影响力的科学家之一