李飞飞最新访谈： 机器人是空间智能的第一块试金石
语言模型能从互联网抓数据，机器人不行——数据从哪来，是整个机器人界都在追问的深层问题。李飞飞的答案是一个"数字训练场"。
时隔近两年，World Labs联合创始人兼CEO、斯坦福大学教授李飞飞再次做客顶级风投a16z的播客《Fei-Fei Li is Solving the Hardest Problem in Robotics》。这次她带来的不是又一个语言模型，而是一张更宏大的蓝图：把"空间智能"打造成AI的下一个前沿。和她一起出镜的，是刚被World Labs收购的SceniX联合创始人李昀烛——巧合的是，这位哥伦比亚大学助理教授，曾是李飞飞亲自指导的博士后。
01 什么是空间智能：让AI从"读字"走向"懂世界"
李飞飞的解释很朴素：让AI能在真实或虚拟的空间中，自如地生成、理解、推理和交互。语言模型处理的是文字，空间智能处理的是"世界"——有几何、有物理、有因果的三维世界。构建大型世界模型，是通往空间智能的一条路径，也是World Labs目前最关注的方向。
这个区分为什么重要？因为过去几年大家熟悉的AI突破，几乎都发生在"文字"这个维度：ChatGPT能聊天，Claude能写代码，模型在文本世界里一路狂飙。但现实世界不是文字构成的——你要让一个机器人去厨房倒杯水，它要面对的是杯子的位置、桌面的高度、水的流动、手的力度，这些都不是"读"出来的，是"感知"和"动作"出来的。文字世界AI已经玩得很溜，但物理世界AI才刚刚起步，这就是李飞飞说的"下一个前沿"。
访谈的由头，是World Labs宣布收购SceniX，并计划与SceniX合作，为机器人打造一个可规模化的"数字训练场"。李飞飞解释了为什么机器人是空间智能落地的"第一块试金石"——因为在物理空间中行动的能力，是未来AI世界中最令人兴奋、也最具深远意义的能力之一，而机器人正是其中的核心。
"SceniX解决的正是机器人领域最困难的问题：训练数据和评估数据都非常匮乏。这与语言模型很不一样，语言模型可以从互联网上获得丰富数据，但机器人不行。要让机器人真正工作，我们必须释放scaling law（缩放定律）的力量。"
02 数据从哪来：机器人界最深的追问
这句话点中了机器人领域最核心的痛点。训练一个语言模型，可以靠爬全网文本——互联网就是一座取之不尽的文本矿山。但训练一个能在现实里干活的机器人呢？真实世界的数据采集又慢、又贵、又危险。你没法让一个机器人在真实厨房里倒十万杯水来学怎么倒水，那既慢又容易把厨房砸了。
所以"数据从哪来"就成了整个机器人界不断追问的深层问题。李飞飞和SceniX团队的解法，是用仿真——在数字世界里搭一个和现实高度对齐的训练场，让机器人在里面大规模地学、大规模地练，再迁移回真实环境。SceniX联合创始人李昀烛把这个思路叫"real-to-sim-to-real"管线：把真实环境映射到数字世界，在数字世界里训练，再把训练成果迁移回真实环境。所谓"对齐"，就是数字世界里发生的事，也应当能在真实环境里发生。
这个思路其实并不新，但SceniX想做的是把它做成一套完整的技术栈，而不是零散的实验。李昀烛是务实的，他的"北极星"很清楚——让机器人在真实环境里工作。在斯坦福做博士后时，他和李飞飞合作过一个基准测试，向公众调查"你希望机器人替你做什么"，收集了一千多项任务，其中三分之一都和清洁有关。人们最想甩给机器人的，是那些脏活累活。
03 仿真不是"要不要"的问题，而是"怎么用"的问题
有人会质疑：模拟再真，也总会偏离物理世界，靠仿真训练出来的机器人，真的能在现实里靠谱吗？李飞飞的态度很明确——这并不是"要模拟"还是"不要模拟"的二元选择。
主持人：模拟最终总会偏离物理世界，以仿真为支柱的路线真的可行吗？
李飞飞：人类自己在行动前，也会在脑子里做大量模拟——推演"如果这么做，会发生什么"。模拟承担的是真实数据无法承担的"反事实推理"角色。人们会推演尚未发生、无法发生或缺乏足够真实数据的事件，并在推演中学习应当如何行动。每场足球比赛的规划都会包含某种模拟，无论是数字模拟、白板推演还是其他形式。Waymo的自动驾驶就用了数十亿小时的仿真数据，而汽车还只是"相对简单的机器人问题"。
这个类比很妙。人从来不靠"把所有情况都真实经历一遍"来学习——你不需要真的撞过车才知道不能撞车，你在脑子里就能推演。机器人也一样，不可能为所有情况都收集足够的真实世界数据，这时候仿真就承担了"反事实推理"的角色：让机器人去推演那些还没发生、难以发生、或者发生了会很危险的场景。
李昀烛还补充了仿真的两大收益。第一是可靠性：在模拟里，可以系统地随机化光照、几何类型、摩擦力等物理参数，确保数据充分覆盖机器人可能遇到的状态空间，这种"穷举"在真实环境里根本做不到。第二是效率：现实里靠遥操作采集数据，速度甚至可能慢于人类直接干活；而在模拟里，可以系统加速机器人行为，同时训练它考虑环境动力学的变化——毕竟重力是恒定的，单纯提高机器人速度并不能解决由此带来的动力学失衡。
还有一点常被忽视——评估。李昀烛特别强调，评估在机器人领域经常被忽视，但它才是推动迭代的信息来源。一个模型从95%提升到99%，这4个百分点的提升到底靠不靠谱，得测了才知道。如果每次都要把模型部署到真实物理世界里跑测试，验证周期会漫长得无法忍受。真实环境评估不仅慢，而且危险而昂贵。而如果数字环境被证明与真实世界对齐，那么在仿真里表现更好的模型，在真实环境里也很可能更好——这就把评估的迭代速度提了上来。
04 模型会换代，但基础设施不会
访谈里有一句很值得玩味的话，也是World Labs这套打法的底层逻辑：
"具体用哪个模型其实不重要，因为模型总会换代，但基础设施不会。"
这句话透露出World Labs真正的野心。他们不做机器人硬件，也不押注某一种算法，而是搭一个"通用的数字世界"——不管你是单臂双臂、什么夹爪、什么模型，都能放进来练。用李昀烛的话说：我们不站队硬件，也不押注算法，只做一件事——搭好一个通用的数字世界，让任何机器人都能在里面练出真本事，到了真实世界照样靠谱。
这个定位很聪明。大模型每半年换代一次，今天的最强模型半年后可能就被超越；但"训练场"这种基础设施是长期复用的，谁掌握了训练场，谁就卡住了整个生态的入口。这就像当年英伟达不去做具体的AI应用，而是卖 GPU——模型千变万化，算力需求始终存在。World Labs赌的也是这个逻辑：模型会换，但"让模型练本事的环境"不会过时。
这也解释了为什么World Labs要收购SceniX而不是自己从零做。SceniX带来的是稠密重建和仿真能力，World Labs的强项是稀疏重建和生成模型（也就是他们的基础模型Marble），两边高度互补。更有意思的是，SceniX最初是作为World Labs的客户来的——去年冬天Marble发布第一个版本，SceniX第一时间注册使用，李飞飞一开始甚至不知道那是自己 former 博士后的公司，后来发现才主动打了电话。这段"师生再联手"的故事，本身就有几分宿命感。
05 人形机器人？先从仓库干起
对于大家最关心的人形机器人，李飞飞也泼了一盆冷静的水。她指出，机器人的落地通常遵循一条演进路径：从完全结构化环境（工厂产线，所有变量已知可控，已经自动化了几十年），到半结构化环境（亚马逊仓库、餐厅、酒店——大体可控，但会出现衣物等无法预料的干扰物），最后才是非结构化环境（你我的家——那里才是"终极圣杯"）。
她的判断很务实：至少在现阶段，先攻克半结构化环境，比直接闯入完全非结构化环境更可行。人形机器人模仿人体来适应非结构化环境，是最难的解法。人通过进化拥有了通用但单一任务未必最优的身体形态——如果人类唯一的目标是爬树，我们可能会长出不同的手指。人类最终进化出的，是一种通用性很强、但在单一任务上未必最优的身体形态。从商业和务实的技术角度看，"非结构化环境+通用身体"是最难解决的问题，对某些具体任务而言甚至未必是正确路线，更专用的身体形态可能更适合解决更窄的任务。
换句话说，别被"人形机器人"的科幻感冲昏头。一个能在仓库里稳定搬箱子的专用机器人，可能比一个能在家里啥都干但啥都干不利索的人形机器人，更有商业价值。先把能落地的场景啃下来，再一步步往家里走，这才是务实的路径。
当下AI最难做到的，就是保持恰如其分且经过校准的乐观。即使是大型语言模型，也没有人脑的能效。人脑的运行功耗大约只有30W，所以目前差距还很大。
留个思考题：如果未来每个机器人出厂前，都要先在一个"数字训练场"里练几百万次再进现实，那这个"训练场"本身，会不会成为比机器人更值钱的生意？毕竟机器人会换代、会降价，但每一个新型号，都得回到这个训练场里重新练一遍。
信息来源：
量子位《李飞飞最新访谈：人也不全靠现实数据学习啊》（新浪财经转载，含a16z访谈文字实录，2026-08-06）：
https://finance.sina.com.cn/roll/2026-08-06/doc-inimikrv4135116.shtmla16z访谈原视频（YouTube）：
https://www.youtube.com/watch?v=-tabaM5l3s0World Labs官方博客（SceniX收购公告）：
https://www.worldlabs.ai/blog/scenix
更多AI资讯，请扫码关注Aiker World社区公众号
