李飞飞的反共识判断：单纯大语言模型，走不通AGI之路

日期：2026-02-06 19:21:49 / 人气：2

2月4日，思科（Cisco）AI峰会上，作为这一轮生成式AI浪潮核心奠基者之一的李飞飞，以World Labs创始人的身份披露了首款空间智能产品Marble的技术细节。在大语言模型风靡全球、巨头争相押注参数竞赛的当下，她再次抛出了极具冲击力的反共识观点：单纯的大语言模型无法通往AGI（通用人工智能）。

这一判断打破了行业内“参数越大、模型越智能”的固有认知，也为陷入同质化竞争的AI行业，指出了一条截然不同的发展路径——补齐空间智能的短板，构建具有物理一致性的世界模型，让AI走出数字像素，真正与三维物理世界互动。李飞飞的这场访谈，不仅拆解了其反共识判断的核心逻辑，更勾勒出了AI通往AGI的另一种可能。

一、反共识核心：语言不是智能的全部，更非AGI的基石

李飞飞的反共识，始于对“智能本质”的重新审视——她跳出了AI行业的技术惯性，从生物进化的宏观视角，重构了智能发展的底层逻辑。在她看来，当前大语言模型的狂欢，本质上是陷入了“语言至上”的认知误区。

“语言在生物进化史上只是最近50万年的产物，而视觉与触觉所代表的空间智能，早在5亿年前的寒武纪就开启了神经系统的演化竞赛。”这是李飞飞反共识判断的核心依据。她进一步解释，早在15亿年前，动物就开始感知光线、触摸环境，进而产生触觉、视觉、本能与知觉，正是这种与物理世界的身体接触，开启了神经系统的发育，推动了生物进化的军备竞赛。

反观语言，作为一种相对“新颖”的智能形式，其历史仅占生物智能演化史的极小一部分。李飞飞直言，如果AI只有语言能力，缺乏对三维物理世界的理解、推理和互动能力，缺乏物理直觉，它将被永远困在数字世界的像素中，无法真正拥有“智能”，更不可能通往AGI。

这一观点直击当前大语言模型的核心局限：无论是豆包、ChatGPT还是Gemini，即便能实现流畅的对话、精准的文本生成，甚至模拟情绪陪伴，本质上仍只是在“处理语言”，而非“理解世界”。它们能读懂文字的语义，却无法感知物体的重量、形状，无法理解空间的距离、方位，更无法像人类一样，基于物理直觉做出判断——这正是李飞飞所强调的，AI最急需补齐的“感知短板”。

二、破局之路：Marble与世界模型，重构AI的空间感知能力

带着“单纯大语言模型无法通往AGI”的判断，李飞飞创办的World Labs，走出了一条与OpenAI截然不同的路径：不追逐参数竞赛，而是聚焦空间智能，构建具有物理一致性的世界模型，其首款产品Marble，便是这一理念的具象化落地。

与当前热门的Sora等视频生成模型不同，Marble作为前沿空间智能模型，核心优势并非“视觉逼真度”，而是“物理一致性”与“可交互性”。它能接收句子、图片、视频、简单3D输入等多模态提示，将其转化为一个完全可导航、可交互且具有永久一致性的3D世界——这意味着，它生成的不是一段转瞬即逝的像素动画，而是一个拥有真实几何结构、物理属性的虚拟空间，用户可以在其中自由漫游、完成交互。

这种“物理一致性”，正是李飞飞眼中世界模型的核心。例如，在Marble生成的空间中，物体的重力、体积、碰撞逻辑都符合现实世界的物理规律，不会出现“物体悬浮”“尺寸错乱”的情况。目前，Marble已在多个领域落地应用：游戏开发中可快速构建虚拟场景，影视特效（VFX）中可实现沉浸式虚拟制作，机器人训练中可搭建模拟环境，室内设计中可快速呈现3D方案；更令人意外的是，临床研究人员还将其用于强迫症治疗，通过生成特定触发环境（如脏乱的洗衣房），为患者提供暴露疗法。

李飞飞强调，Marble仍处于起步阶段，却是World Labs探索空间智能的重要一步。其核心目标，是让AI拥有“理解3D、4D物理世界”的能力，补上感知短板——这不是对大语言模型的否定，而是对AI智能的“补全”，唯有语言智能与空间智能结合，AI才能真正摆脱数字枷锁，向AGI靠近。

三、关键预判：合成数据成熟后，世界模型将迎来爆发

当前，世界模型的发展速度远不及大语言模型，这也是很多人质疑李飞飞反共识判断的核心原因。对此，李飞飞给出了清晰的解释：核心瓶颈不在于技术，而在于“数据的信噪比”。

她坦言，大语言模型的快速发展，得益于文本数据的天然优势——文本数据清晰、语义明确，且可在互联网上大规模获取，无需复杂处理就能用于模型训练。而物理世界的数据（像素、体素）则充满噪音，且难以大规模采集，例如，要获取一个物体的完整3D数据、不同场景下的物理交互数据，成本极高、效率极低，这也导致世界模型的规模化发展受到制约。

为突破这一困境，World Labs采取了“混合数据策略”：整合互联网现有的文本、图像、视频数据，结合仿真模拟数据（合成数据），再补充真实世界采集的数据，形成“三层数据支撑”。李飞飞预判，随着合成数据技术的成熟，这一困境将被彻底打破，世界模型即将迎来类似大语言模型（LLM）的Scaling Law（规模定律）爆发时刻。

这一预判并非空穴来风。近期，微软亚洲研究院推出的SYNTHLLM框架，已能大规模生成多样化合成数据，并通过实验证实了合成数据遵循修正的规模法则，为模型训练提供了可预测性依据，这也印证了李飞飞的判断——合成数据将成为世界模型突破的关键推手。与此同时，Emu3.5模型首次揭示多模态Scaling Law，标志着世界模型的研究已从“炼金术”时代进入可预测、可工程化的工程时代，进一步佐证了李飞飞对世界模型爆发的预判。随着算力提升、芯片进步，以及合成数据形成“生成-训练-优化”的飞轮效应，世界模型的发展速度将大幅提升。

四、延伸思考：通用机器人是AI皇冠，AI终局是赋能文明的基础设施

在访谈中，李飞飞还分享了两个极具启发的观点，进一步完善了其反共识判断的底层逻辑，也勾勒出了AI的未来图景。

其一，通用机器人才是AI技术的皇冠。大众普遍认为，自动驾驶是AI技术的最高体现，但李飞飞却提出了相反的观点：自动驾驶与通用机器人的逻辑完全相反，后者的技术维度更高。她解释，自动驾驶本质上是“2D逻辑”——汽车可看作是在二维平面移动的方块，核心任务是避障，只要不碰到物体就是胜利；而通用机器人是“3D逻辑”，核心任务是“接触”，它需要在三维空间中，以不破坏物体的方式完成精准操作，既要理解空间方位，也要掌握物理力度，难度远超自动驾驶。李飞飞坦言，通用机器人是极具挑战性的难题，但也是空间智能落地的核心场景，更是AI通往AGI的重要标志。

其二，AI的终局是成为“新的电力”，成为赋能文明的基础设施。面对当前行业内“AI毁灭人类”与“技术乌托邦”的极化争论，李飞飞表现出了科学家的审慎与人文关怀。她将AI比作一百多年前的电力：电力的成功，不是因为搭建了庞大的电网，而是因为它点亮了学校的灯、驱动了工厂的机器、延长了人类的寿命，真正赋能了生活与文明；同理，AI的成功，不在于模型参数有多大，不在于能生成多么逼真的文本或视频，而在于它能否像电力一样，渗透到医疗健康、农业制造、教育等各个垂直行业，成为赋能文明的基础设施，让每一个体都能获得尊严与幸福。

五、结语：反共识的价值，是为AI开辟另一条可能之路

李飞飞的反共识判断，并非刻意“唱反调”，而是对AI行业发展的理性反思。在大语言模型陷入同质化竞争、参数竞赛愈演愈烈的当下，很多企业和研究者忽略了“智能的本质”——智能不是“会说话”，而是“会理解、会互动、会感知”。单纯的大语言模型，无论参数多大，都只是“数字世界的智者”，无法真正走进物理世界，更无法通往AGI。

她创办World Labs，推出Marble，倡导发展空间智能，本质上是希望为AI行业开辟另一条可能之路：不追逐短期的技术热点，不陷入单一的参数竞赛，而是回归智能的本源，补齐感知短板，让AI真正“读懂世界、融入世界”。正如她在访谈结尾所说，World Labs的目标，是让空间智能技术真正进入医疗健康、农业制造等各个垂直行业，希望在2026年，能看到拥有空间智能的AI，真正走出屏幕，与物理世界产生美妙的交互。

李飞飞的反共识，不仅为AI通往AGI提供了全新的思路，更提醒着整个行业：技术的发展，需要跟风的勇气，更需要独立思考的清醒。在AI技术飞速迭代的今天，唯有打破固有认知，回归本质、深耕核心，才能让AI真正赋能人类、赋能文明——这，或许就是李飞飞反共识判断的最大价值。

作者：杏悦2娱乐