李飞飞在2026年夏天发布的那篇关于世界模型的万字长文，在硅谷引发了一场远超学术圈层的震动。她在那篇文章中提出了一个鲜明的反共识判断：大语言模型无法通往真正的通用人工智能，AI的下一站必须是空间智能。她那句“语言模型就像一群黑暗中的文字匠”的比喻，几乎在一夜之间成为行业流行语——辞藻华丽却缺乏历练，学识渊博却脱离实际。这句话背后的逻辑是锋利而决绝的：语言模型学的是文本的统计规律，而物理世界运行的底层逻辑完全不同，世界模型学的是时空的统计规律，比如光线如何落在物体表面、物体受外力后如何运动并遵循物理定律。
她在这篇文章中做了一件整个行业都需要的事情：把被滥用的“世界模型”概念做了精准的手术刀式切割。她从强化学习中经典的“智能体-行动-状态-观测值”闭环出发，将市面上鱼龙混杂的世界模型精准划分为三大功能流派。第一类是渲染器，任务是把信息转成人眼能看的像素，唯一标准是视觉上够不够逼真。不管是文生视频模型还是可交互的3D场景生成系统，都属于渲染器。这也是目前商业化跑得最快的方向，谷歌的相关模型已经通过手机应用送到了数亿用户手里。但李飞飞毫不留情地指出，这类模型只管“看起来像”，不管“实际上对不对”。AI生成的航拍镜头从天上看城市建筑群完美无瑕，但如果想开车在街道里穿行，建筑物的结构就会暴露出各种错误，瞬间崩塌。因为这类模型根本不掌握三维空间结构，只还原观看者会看到的画面，而非事物本身的真实构造。这种输出再精美，也没法拿来做建筑设计，或者训练一个需要在真实环境里精准操作的工业机器人。
第二类是模拟器，被公众严重低估却最为关键。模拟器输出的不是画面，而是几何数据、材质参数、碰撞网格这类信息。它追求的不是“看起来像”，而是结构上的正确，因为几何要经得起测量，运动要遵守牛顿定律，动力学行为要符合物理法则。它同时服务两类用户：建筑师、设计师、影视和游戏开发者需要超越视觉效果的精确数据；强化学习智能体、机器人控制器、自动驾驶算法这类程序需要一个安全的环境来大规模训练，复现那些现实中太危险、太贵或者根本没法实测的场景。仅英伟达的Omniverse仿真平台，瞄准的工厂、仓库、数字孪生、供应链等市场，潜在规模就超过万亿美元。但模拟器也最难做。训练模拟器需要带有精确几何和物理标注的三维数据，这种数据比训练渲染器用的互联网视频稀缺好几个数量级。仿真环境里物体的运动规律跟真实世界之间一直存在差距，这就是业内常说的“仿真到现实的鸿沟”。此外还有计算成本的问题，同时模拟刚体、柔体、流体和织物相互作用，计算成本比单一领域的模拟高出好几个数量级。World Labs的Marble是这个方向的第一步产品，它接受文字、图片或草图输入，生成可以自由漫游的3D环境，同时输出两套数据：用于视觉呈现的高斯泼溅数据和用于物理计算的碰撞网格。
第三类是规划器，输出的是行动。给定当前的观测和一个目标，规划器要解决的是“下一步该做什么动作”。那些机器人演示视频，比如机械手抓取物品、机器狗越障，背后用的就是视觉-语言-行动模型，属于规划器这一类别。李飞飞在这篇文章中的另一个关键判断是，三类模型底层并不割裂，几何、物理、动力学这套描述世界运行逻辑的基础知识是三者共用的底层原理。当前最重要的趋势是三者边界正不断消融，最终将走向能够灵活切换输出形式的大一统世界基础模型。
要理解李飞飞为什么会对空间智能如此笃定，需要回到她的成长路径。1976年出生于北京，在成都长大，16岁时随父母移民美国新泽西州。初到美国时，全家靠洗盘子和开干洗店维持生计。她白天在餐馆打工，晚上挤压睡眠时间学习英语，最终以数学满分、总分1250分的成绩考入普林斯顿大学物理系并获得全额奖学金，随后在加州理工学院取得电气工程博士学位。博士毕业后她选择了一个当时几乎无人看好的方向：计算机视觉。2009年，她主导构建了ImageNet数据集，包含1500万张图片、2.2万个类别，为深度学习革命提供了关键燃料。业界有一个流传甚广的概括：黄仁勋解决了算力，辛顿解决了算法，而李飞飞提供了数据集，给了AI一双看见世界的眼睛。从ImageNet到计算机视觉，再到三维理解、空间智能、世界模型、物理AI、机器人，这条技术演进路线在她身上呈现出一种近乎必然的逻辑连续性。
她在行业中的地位也因此呈现出一种独特的双面性。一方面，她是无可争议的学术奠基者。33岁成为斯坦福终身教授，集齐美国国家工程院、国家医学院、艺术与科学院三院院士，2025年登上《时代》周刊年度人物封面，与马斯克、黄仁勋等人并列被评为“人工智能的缔造者”。她的学生网络包括Andrej Karpathy、Jim Fan等人，已经构成美国AI核心机构的中坚力量。另一方面，她正在经历从“教母”到“女王”的身份跃迁。2026年9月，AMD以约82亿美元全股票方式收购她创办的World Labs，她出任执行副总裁兼首席科学家，直接向苏姿丰汇报。World Labs成立于2024年4月，总部位于旧金山，团队约70人，专注空间智能和世界模型研究，让AI能理解、生成和模拟真实的3D世界。今年2月，World Labs刚完成10亿美元融资，投资者名单包括AMD、英伟达、Autodesk、Intel、Adobe、Samsung等，当时估值约54亿美元，AMD的收购价明显溢价。苏姿丰在声明中说了一句意味深长的话：“为下一代AI构建计算平台，需要深入理解模型如何演进。李飞飞和World Labs团队带来了研究领导力和模型专长。”这句话翻译过来就是：AMD买的不仅是技术，更是通往物理AI时代的入场券。
这笔交易也直接改写了李飞飞与黄仁勋的关系。两人曾经是AI革命中的天然同盟：黄仁勋的英伟达为World Labs提供了早期投资，两人共同获得2024年VinFuture大奖和2025年伊丽莎白女王工程奖，在驳斥“AI末日论”的立场上也高度一致。但AMD收购World Labs的核心战略目的之一，就是挑战英伟达在AI算力生态中的垄断地位。World Labs的模型未来将深度绑定AMD的Instinct GPU进行训练和推理优化，这意味着李飞飞从黄仁勋的盟友转变为他最直接的竞争对手之一。不过需要指出的是，这种竞争是在同一技术方向上的赛跑，而非路线上的根本对立。黄仁勋同样认为物理AI是下一波浪潮，英伟达的Omniverse平台本质上也是在解决模拟器层面的问题。两人真正的分歧可能在于节奏和优先级：黄仁勋更强调算力先行，而李飞飞坚持模型研究必须与硬件架构同步演进。
与马斯克的关系则呈现出更深层的理念对立。马斯克是AI风险叙事中最具传播力的人物，核心判断是AI可能成为人类文明的终结者，因此极力主张强监管和暂停训练。李飞飞则明确反对这种“末日叙事”，她认为AI风险的根源在于人类的制度与动机，把注意力放在“机器觉醒”上反而会忽视正在发生的偏见、权力集中和责任缺失。两人的差异可以用一句话概括：马斯克担心AI变成“神”，李飞飞担心人类把AI当成“神”。在机器人领域，这种分歧更加尖锐。马斯克对人形机器人Optimus抱有极大热情，预测未来十年将有十亿个具身机器人。李飞飞则在接受采访时直言机器人“还有很长的路要走”，指出自动驾驶研究了十几年才开始商用，而且仅在二维路面的简单场景，人形机器人在三维空间行动，难度不可同日而语。在AGI时间线上，马斯克曾表示2026年实现AGI，而李飞飞给出了完全不同的答案：在我们搞懂空间智能之前，根本不可能接近所谓的AGI。
她与扎克伯格之间则几乎不存在有意义的公开互动。最清晰的一次交锋发生在AI监管议题上：李飞飞呼吁AI技术应接受独立机构及公共部门的监督，认为不能单靠企业自评；而扎克伯格则坚称AI发展无需集体踩刹车，主张各实验室自主落实安全举措。唯一的理念重合出现在招聘领域——李飞飞表示World Labs招聘时更看重AI技能而非大学学位，这与扎克伯格在Meta倡导的“技能比文凭更重要”不谋而合，但更多是巧合而非实质认同。
在政策层面，李飞飞与美国政界的关系同样值得关注。她在2025年5月的一次科技论坛上公开警告，削减高校科研经费和收紧国际学生签证的做法可能危及美国在全球科技竞争中的主导地位，强调“几乎所有我们所知的AI经典知识都来自学术研究”。这与特朗普政府当时大幅削减科研预算、收紧移民政策的方向形成了直接对立。不过，李飞飞与特朗普之间并不存在个人层面的关系，她的批评始终聚焦于政策本身对美国科技竞争力的损害，而非政治立场之争。这种“政策批评者而非政治对立者”的姿态，在很大程度上保护了她在跨党派政策讨论中的话语空间。
社交媒体上对她的评价则呈现出鲜明的分裂。当李飞飞与黄仁勋、Hinton、LeCun等顶尖人物同台时，社区里汇聚成一个巨大的声音：“她凭什么？”质疑者的逻辑是：ImageNet已经是十几年前的事了，World Labs成立不过两年，核心产品不过是一个月费95美元的3D场景生成软件和一个刚公布的Atlas模型demo，AMD花82亿美元买的到底是技术还是泡沫期的股票？但也有大量支持者认为，李飞飞的空间智能判断正在被行业验证。AI在生成视频中闹出的那些荒谬错误——蚂蚁只有四条腿、流苏一会有一会没——恰恰暴露了当前范式缺乏物理逻辑的内在锚点。这种分裂本身反映的是AI行业正处在一个范式转换的临界点上，而李飞飞恰好站在了这个临界点的最前沿。
对于她未来地位的预判，一个关键变量是空间智能这条路线能否在可预见的时间内取得实质性突破。World Labs在不到两年时间里估值从约10亿美元飙升至被AMD以82亿美元收购，李飞飞的影响力已从学术和思想层面延伸到了产业决策的核心层。如果Atlas或其后续模型能够真正打通从感知到行动的全链路，让人形机器人在非受控环境中可靠地完成基本任务，那么李飞飞将不仅是“AI教母”，而会成为定义整个物理AI时代基础架构的人物。但风险同样存在：空间智能的技术难度远超语言模型，数据获取的瓶颈——尤其是动作标注的交互数据无法从互联网上抓取——可能在相当长时间内制约进展。斯坦福HAI在2026年7月发布的政策报告中也指出，世界模型在治理层面提出了不同于语言AI的全新挑战，包括模拟缺陷、隐私侵蚀、责任归属以及国家安全层面的双重用途风险，这些都需要全新的政策框架来应对。李飞飞本人对此也有清醒的认知，坦承“我们仍在探索模型架构的相对早期阶段”，但同时表示“接下来的几年将会非常令人兴奋”。她说过一句话：“语言是用来描述世界的工具，但不是世界本身。”这句话既是她对AI技术路线的最简洁概括，也可以看作她对自己职业生涯的一种隐喻——她始终在寻找那个比表面符号更根本的东西。