当人工智能学会"看见"三维世界

  当前，全球人工智能发展正站在新的历史节点。从ChatGPT掀起的大语言模型浪潮，到多模态技术的快速演进，人工智能在信息处理领域展现出惊人能力。然而，当我们将目光投向更具挑战性的通用人工智能（AGI）目标时，一个关键命题浮出水面：机器能否真正理解我们所处的物理世界？

  著名计算机科学家、斯坦福大学人工智能实验室联合主任李飞飞教授近期提出的"空间智能"（Spatial Intelligence）理论，为这一命题提供了重要思路。在她看来，当前以大型语言模型为代表的人工智能，虽能妙笔生花、对答如流，却如同"盲目的说书人"——精通语言符号，却对世界本身一无所知。要实现真正的通用智能，人工智能必须突破二维信息的局限，建立起对三维物理空间的深度理解。

  所谓空间智能，是指人工智能系统能够像人类一样感知、理解并推理三维物理环境的能力。这不仅意味着识别物体，更要求把握物体间的空间关系、预测物理互动的结果、建立因果推理链条。当一个具备空间智能的系统看到水杯置于桌沿，它能预判碰撞后的坠落轨迹；当它观察机器人手臂操作，它能理解动作与结果的对应关系。

  李飞飞教授指出，人类智能的根基在于与物理世界的持续互动。婴儿通过抓握、爬行、探索建立空间认知，这种具身经验（Embodied Experience）构成了常识推理的底层架构。当前人工智能缺乏的，正是这种扎根于物理现实的"世界模型"（World Model）。

  在技术路径上，空间智能的发展呈现多元并进态势。一方面，数字孪生技术为人工智能提供了虚拟训练场。以英伟达Omniverse平台为代表的三维仿真环境，能够进行物理精确的模拟运算，为机器人、自动驾驶等应用生成海量合成数据，大幅降低真实世界数据采集成本。宝马汽车借助此类技术优化工厂布局，生产效率提升显著；亚马逊模拟数十万仓储机器人协同作业，实现物流系统的数字化预演。

  另一方面，具身智能（Embodied AI）研究加速推进。通过将人工智能系统与传感器、机械臂等硬件结合，使机器在真实或仿真环境中通过交互学习积累经验。Meta的AI Habitat、艾伦人工智能研究院的THOR等平台，正在为人工智能创造"身临其境"的学习条件。

  值得关注的是，李飞飞教授创立的世界实验室（World Labs）已推出原型系统，可从自然语言描述生成可交互的三维虚拟环境。这种"从语言到世界"的跨越，标志着人工智能正从处理符号信息向构建空间认知迈进。

  业界普遍认为，空间智能是连接专用人工智能与通用人工智能的重要桥梁。没有空间理解能力，人工智能难以完成需要物理交互的复杂任务，无法在动态环境中自主决策，更谈不上与人类在真实世界中协同合作。

  正如李飞飞教授所言："要从语言走向世界，人工智能需要一双能看见空间的眼睛、一颗能理解物理规律的大脑。"这一转变不仅是技术层面的升级，更代表着人工智能发展范式的深刻变革——从数据驱动的模式识别，向因果驱动的世界建模演进。

  当前，我国在空间智能相关领域已形成良好基础。在计算机视觉、机器人技术、虚拟现实等方面，国内科研机构与企业持续取得突破。随着新型基础设施建设的推进和实体经济数字化转型的深入，空间智能技术有望在智能制造、智慧城市、医疗健康等领域释放巨大价值。

  人工智能的下一站，是学会"生活在"我们的世界中。空间智能的发展，将推动机器从信息处理的工具，进化为能够理解环境、参与协作的智能伙伴。这一进程需要产学研各界的协同创新，更需要审慎的伦理考量与安全规范，确保技术发展服务于人类福祉。

  站在新的起点上，中国人工智能发展应把握空间智能带来的战略机遇，加强基础研究布局，推动关键核心技术攻关，在迈向通用人工智能的征程中贡献中国智慧。