文 | 新質動能

“AI教母”李飛飛，竟同時搞定了英偉達和AMD！

近日，李飛飛創立的World Labs宣布，完成10億美元新一輪融資，投后估值約50億美元。本輪融資由設計軟件巨頭Autodesk領投2億美元，英偉達與AMD罕見聯手參投。

要知道， World Labs 才成立2年，一年估值就狂飆 4 倍，從10億美元沖上了 50 億美元，約合人民幣 350 億元。

在今年的 CES 大展上，它的技術直接震撼了整個硅谷：

只要用手機在辦公室里隨便一掃，幾分鐘就能生成一個高保真的 3D 辦公室模型。人戴著 VR 眼鏡，就能直接走進去，蹲下看桌底的細節，甚至能和里面的虛擬物品進行真實的物理互動。

在這個大模型滿天飛的時代，這家年輕的公司，憑什么能讓頂級資本、芯片巨頭們搶破頭？

英偉達AMD憑什么搶著投

World Labs 之所以能讓巨頭們紛紛掏出真金白銀，核心在于創始人李飛飛看透了現在 AI 發展的一個致命“死穴”。

回看當下的 AI 巨頭，無論是能寫代碼的 ChatGPT，還是能生成逼真視頻的 Sora，它們越來越像一個“偏科生”。這些 AI 在云端吞噬了海量的文本和二維圖像，可以做到出口成章、畫皮畫骨，但它們從來沒有真正在物理世界里生活過。

李飛飛曾用一個非常扎心的比喻來形容：現在的 AI 就像是被困在柏拉圖洞穴里的囚徒，只能看著墻上的影子，卻摸不到真實的物理實體。你讓 AI 去寫一首詩，它文采飛揚；但你讓它判斷一下“如果不小心碰倒桌上的花瓶會發生什么”，它瞬間就會死機。因為它不知道水杯是實心的，不知道重力的感覺，更不懂得物理法則。

Sora 生成的視頻看似震撼，但在李飛飛看來，那僅僅是像素點的堆砌。你想換個視角看 Sora 視頻里的物體是做不到的，因為它不懂火焰的溫度，不懂杯子背后的厚度。

針對這個缺陷，World Labs 祭出了他們的殺手锏——“空間智能”（Spatial Intelligence）。

團隊打造的大型世界模型（LWM），生成的不再是扁平的畫面，而是一個實打實有重力、有摩擦力的 3D 世界。它賦予了 AI 一種類似人類嬰兒的“物體恒常性”認知能力。給模型喂一張照片，它不僅能重建照片里拍到的部分，還能像人一樣腦補，直接還原出照片盲區里、墻壁背后的樣子，甚至推測出天花板的高度和窗外的景色。

這種從“視覺識別”到“空間理解”的跨越，正是讓英偉達和 AMD 感到戰栗并瘋狂押注的根本原因。

能把這個宏大概念落地的，是一支戰力爆表的團隊。在 World Labs 的聯合創始人及核心團隊中，華人科學家占了極高的比例，來自清華、北大等頂尖學府的技術精英構筑了極其堅實的人才底座。

與此同時，李飛飛本人在資本圈也有著極深的人脈。她不僅是學術界的泰斗，更是投資圈極其活躍的 LP（有限合伙人），她是 Radical Ventures 的科學合伙人（Scientific Partner），金沙江創投曾投資過李飛飛擔任董事會成員的公司 Nimble Robotics。

打通機器人的“任督二脈”

這項技術看著極其炫酷，但如果僅僅是用來給游戲做地圖、給好萊塢做特效，絕對撐不起 50 億美元的估值。

World Labs 真正的野心，在于解決科技圈目前最難啃的一塊硬骨頭：具身智能，也就是我們常說的物理機器人。

為什么直到今天，我們家里還沒有出現真正像樣的保姆機器人？核心癥結在于“訓練成本太高”。你不可能讓一個剛出廠的機器人直接進你家真實的廚房里去試錯。打碎幾千個盤子是小事，萬一由于沒有掌握好力度引發火災，誰來承擔后果？

機器人迫切需要一個極度逼真的模擬器來學習，而 World Labs 的技術，完美充當了機器人的“實驗室”。

這套大世界模型能夠瞬間生成上億個符合物理規律的虛擬 3D 世界。在這個虛擬空間里，水會往低處流，玻璃掉在地上會碎，物體之間有真實的碰撞體積。機器人在這個虛擬的廚房里，可以安全地跌倒一萬次，學會怎么控制力度拿起玻璃杯，怎么繞開地上的障礙物。

等它在虛擬世界里完成了海量訓練，掌握了真實世界的物理法則，再把這套程序下載到現實中的真機器人身上，它就能直接走進你家干活。

理想很豐滿，但現實中的問題是：如何低成本、大規模地生成這些帶有物理屬性的仿真世界？

在這個關鍵節點上，李飛飛拋棄了行業內傳統的“數字孿生”路線。要知道，試圖將真實世界 1:1 完美復刻進仿真系統，需要高密度的傳感器掃描和極其漫長的人工重建，成本高到令人發指。

她選擇轉向“數字表親”（Digital Cousin）技術路線，核心邏輯是：仿真最重要的是物理與空間結構，只要結構可信，細節允許近似。

基于這個思路，World Labs 強強聯手了中國一家炙手可熱的仿真合成數據公司——光輪智能。

兩家公司打出了一套組合拳：World Labs 的可視化世界模型（Marble）負責快速生成海量的 3D 場景，而光輪智能則提供底層物理引擎，解決機器人訓練中最關鍵的觸覺、重力、摩擦力等物理參數對齊問題。

現在，僅需一張全景圖或一段簡單的視頻，系統就能在幾分鐘內構建出可供物理交互的仿真環境。這不僅大幅降低了數據采集成本，更徹底解決了仿真數據難以規模化應用的行業痛點。機器人評測從此不再是紙上談兵，而是擁有了實打實的工業級基礎設施。

從虛擬到現實的商業閉環

技術上的狂飆突進，需要學術與商業的雙重閉環來支撐。

在學術突破上，李飛飛團隊在 2025 年提出了一項名為 MoMaGen 的技術，給具身智能的落地踩下了一腳油門。

依靠這項技術，只需要 1 條人類的動作示范，系統就能在仿真環境中裂變生成數千條符合物理規則的多樣化數據；緊接著，僅需 40 條真實數據進行微調，就能直接部署到實體機器人上。

這套“1條示范 -> 裂變數千仿真數據 -> 40條真實微調 -> 現實部署”的閉環，打通了從虛擬到現實的落地路徑。這不再是存在于實驗室里的概念，而是實打實的工業級生產力。

商業巨頭們向來是不見兔子不撒鷹。Autodesk 領投的 2 億美元絕不是來做慈善的，雙方已經在專業創意工具層面進行了深度綁定。

在 B2B 企業服務領域，World Labs 已經跑通了變現的邏輯。未來，建筑師或設計師可以先用 World Labs 的世界模型一鍵生成辦公室布局草圖，再導入 Autodesk 的技術中去精雕細琢。

圍繞世界模型的競賽，已經進入白熱化階段。短短一段時間內，已經有超過 13 億美元的資金瘋狂涌入這個賽道。

除了李飛飛，圖靈獎得主、meta 首席 AI 科學家楊立昆（Yann LeCun）也創立了 AMI Labs，目標同樣是世界模型；谷歌 DeepMind 的 Genie 3 項目也在虎視眈眈。

擺在 World Labs 面前的挑戰依然巨大。大語言模型可以用海量的互聯網文本進行廉價訓練，但世界模型需要的是高質量的 3D 空間和物理交互數據，獲取成本和標注難度呈指數級上升。

在物理建模的容錯率上，語言模型說錯一句話頂多是個笑話，但世界模型如果在物理規律上模擬出錯，放到真實世界里可能就是機器人撞墻，或者自動駕駛車出事故。

所以說，當英偉達、AMD 和一眾硅谷頂尖資本將 10 億美元砸向 World Labs 時，他們賭的不僅僅是李飛飛個人的光環，更是 AI 產業從“語言智能”向“物理世界”全面拓展的歷史必然。

當人工智能開始理解空間、模擬物理規律、預測未來互動，那個能在現實世界里替我們干活的通用機器人，就已經不再是科幻電影里的虛影。

李飛飛和她的團隊已經推開了那扇通往空間智能的大門，而這場重塑物理世界的變革，才剛剛開始。