李飛飛空間智能模型引關(guān)注 多家大廠(chǎng)跟進(jìn)布局

　　來(lái)源：中國經(jīng)營(yíng)報

　　本報記者 秦梟 北京報道

　　近日，被稱(chēng)為“AI教母”的李飛飛創(chuàng )立的World Labs首次官宣空間智能模型，World Labs團隊展示了他們如何探索3D生成式世界，僅用一張圖，即可生成一個(gè)3D世界。李飛飛說(shuō)道：“無(wú)論怎樣理論化這個(gè)想法，都很難用語(yǔ)言描述一張照片或一句話(huà)生成3D場(chǎng)景的互動(dòng)體驗?！彼龔娬{，大自然中存在著(zhù)一種視覺(jué)與行動(dòng)之間的良性互動(dòng)，而空間智能正是這種互動(dòng)的核心。

　　多位業(yè)內人士在接受《中國經(jīng)營(yíng)報》記者采訪(fǎng)時(shí)表示，從自然語(yǔ)言處理到圖像和視頻生成，再到空間智能，生成式人工智能在短短兩年內正以前所未有的速度認知、理解、模擬并創(chuàng )造出人類(lèi)所處的物理世界。盡管圖片生成3D技術(shù)在A(yíng)R眼鏡這一場(chǎng)景上已有實(shí)踐，但李飛飛發(fā)布的“空間智能”模型標志著(zhù)AI從2D像素平面邁向了完整的3D世界，并且該模型生成的3D世界具有高度的交互性和真實(shí)性，用戶(hù)可以在其中自由移動(dòng)相機，探索虛擬環(huán)境，體驗更真實(shí)的物理效果和視覺(jué)效果。

　　雖然World Labs發(fā)布的空間智能大模型落地場(chǎng)景與應用方面仍存在諸多挑戰，但業(yè)界相信其未來(lái)的潛力。記者在采訪(fǎng)中了解到，目前除了World Labs外，國內外的多家科技公司也在空間智能領(lǐng)域開(kāi)始布局。相信未來(lái)競爭將愈發(fā)激烈，也將進(jìn)一步拓展AI技術(shù)的邊界，同時(shí)也會(huì )為多個(gè)行業(yè)帶來(lái)變革機遇。

　　邁向空間智能的第一站

　　World Labs于今年9月13日成立，是一家空間智能AI公司，試圖構建大型世界模型（LWM）來(lái)感知、生成3D世界并與之交互。李飛飛擔任公司CEO。

　　實(shí)際上，早在今年年初便有消息傳出，李飛飛創(chuàng )立了一家從事空間智能相關(guān)業(yè)務(wù)的AI初創(chuàng )企業(yè)，其將利用類(lèi)人視覺(jué)數據處理技術(shù)，讓 AI 可以實(shí)現高級推理。

　　根據World Labs的官方網(wǎng)站信息，該公司已經(jīng)成功募集到超過(guò)2.3億美元的資金。此次融資的領(lǐng)投機構包括硅谷著(zhù)名的風(fēng)險投資公司Andreessen Horowitz、NEA以及專(zhuān)注于人工智能的風(fēng)投基金Radical Ventures。參與投資的其他知名公司有Adobe、AMD以及英偉達等，同時(shí)，個(gè)人投資者中也不乏重量級人物，包括被譽(yù)為“AI教父”的杰弗里·辛頓（Geoffrey Hinton）、特斯拉人工智能和自動(dòng)駕駛部門(mén)（Autopilot）原負責人Andrej Karpathy以及谷歌的首席科學(xué)家Jeff Dean。

　　不過(guò)，在星光熠熠下，外界對“空間智能”一直沒(méi)有統一的定義。在溫哥華TED大會(huì )的演講中，李飛飛提到，當前最先進(jìn)的算法已經(jīng)能夠合理推斷圖像和文字在三維環(huán)境中的呈現方式，并據此做出行動(dòng)，這種算法所依托的便是所謂的空間智能。

　　在進(jìn)一步闡述空間智能這一概念時(shí)，她使用了一張極具啟發(fā)性的圖片作為輔助工具：一只貓正伸出爪子，意圖將玻璃杯推向桌子的邊緣。她隨后詳盡地解析了這一過(guò)程，指出人類(lèi)大腦具備在極短時(shí)間內對玻璃杯的幾何構型、它在三維空間中的位置，以及它與桌子、貓和其他物體的相互關(guān)系進(jìn)行綜合評估的能力。在此基礎上，大腦能夠預測接下來(lái)可能發(fā)生的情境，并采取相應措施來(lái)預防潛在的風(fēng)險。

　　經(jīng)過(guò)一年時(shí)間的努力，李飛飛終于將更“具象”的空間智能展示出來(lái)。在World Labs 發(fā)布的模型上，用戶(hù)僅需上傳一張圖片，系統即可依據圖片中的環(huán)境信息，自動(dòng)生成一個(gè)相應范圍內的3D虛擬世界。用戶(hù)可以直接在網(wǎng)頁(yè)端，通過(guò)鼠標或鍵盤(pán)操作，輕松地瀏覽這個(gè)3D世界。此外，生成的3D世界具備交互性，用戶(hù)能夠像在游戲里一樣，自由地移動(dòng)相機，探索這個(gè)3D世界，包括景深、變焦等操作都可輕松完成。

　　中國投資協(xié)會(huì )上市公司投資專(zhuān)業(yè)委員會(huì )副會(huì )長(cháng)支培元評價(jià)道：“‘空間智能’模型的問(wèn)世，標志著(zhù)AI在深度學(xué)習、計算機視覺(jué)領(lǐng)域取得了里程碑式的進(jìn)步，尤其在3D圖形合成、環(huán)境映射、目標檢測等關(guān)鍵任務(wù)上展現出了超越常規的強大效能，預期將掀起VR/AR、交互娛樂(lè )、建筑可視化等行業(yè)的根本變革。無(wú)論是電子商務(wù)平臺的沉浸式購物體驗、房產(chǎn)市場(chǎng)的遠程實(shí)景導覽，抑或影視后期制作的特效創(chuàng )作，還是教育培訓領(lǐng)域的虛擬實(shí)訓基地，皆可成為該技術(shù)的用武之地?！?/p>

　　不過(guò)，記者在體驗過(guò)程中注意到，該模型構建的3D場(chǎng)景探索范圍有限，一旦移動(dòng)一小段距離，系統便會(huì )提示已觸達邊界。而且，該模型還會(huì )出現“幻覺(jué)”，理解不夠準確。

　　World Labs也表示，以上成果還偏早期，他們正在努力提高生成世界的大小和擬真度，也正在試驗用戶(hù)與它們交互的新方式。

　　世界院士專(zhuān)家聯(lián)合會(huì )執行秘書(shū)長(cháng)、中國民協(xié)新質(zhì)生產(chǎn)委員會(huì )秘書(shū)長(cháng)吳高斌指出，盡管李飛飛發(fā)布的模型具有巨大潛力，但要實(shí)現理想的落地場(chǎng)景仍面臨一定困難。首先，在技術(shù)層面，模型在生成3D世界的精度和速度上還需進(jìn)一步提高。其次，在應用層面，如何將這一模型與現有產(chǎn)業(yè)相結合，實(shí)現商業(yè)化落地，仍需克服諸多挑戰。

　　國內已有涉及

　　實(shí)際上，在空間智能領(lǐng)域，李飛飛并不是第一個(gè)“吃螃蟹的人”。英偉達、Meta等多家公司也有所布局，只不過(guò)，它們稱(chēng)之為3D生成。美國當地時(shí)間12月4日，谷歌DeepMind發(fā)布了大型基礎世界模型Genie 2，可通過(guò)單張圖片或文字描述生成3D場(chǎng)景。

　　不只是海外，國內的AI廠(chǎng)商也在著(zhù)手布局空間智能。幾乎與World Labs同一時(shí)間，國內智源研究院推出了首個(gè)利用大規模無(wú)標注的互聯(lián)網(wǎng)視頻學(xué)習的3D生成模型See3D——See Video， Get 3D。

　　不同于傳統依賴(lài)相機參數（pose-condition）的3D生成模型，See3D采用全新的視覺(jué)條件（visual-condition）技術(shù)，僅依賴(lài)視頻中的視覺(jué)線(xiàn)索，生成相機方向可控且幾何一致的多視角圖像。

　　在今年11月初，有傳聞指出阿里巴巴正在測試一款名為“Animode”的人工智能視頻創(chuàng )作工具。根據官方的描述，該工具是一款專(zhuān)業(yè)的3D軟件，旨在創(chuàng )造栩栩如生的二次元角色和具有電影大片般效果的視覺(jué)內容。緊接著(zhù)在11月5日，騰訊旗下的混元實(shí)驗室也宣布了其最新研發(fā)的MoE模型“混元Large”以及3D生成大模型“Hunyuan3D-1.0”的開(kāi)源。

　　然而，在中關(guān)村物聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟副秘書(shū)長(cháng)袁帥看來(lái)，World Labs的空間智能模型之所以受到外界的廣泛關(guān)注和“吹捧”，原因在于其獨特的技術(shù)優(yōu)勢和廣泛的應用前景。該模型不僅支持實(shí)時(shí)渲染和用戶(hù)自由控制視角，還具有高度的交互性和場(chǎng)景持久性，為用戶(hù)提供了更加豐富和真實(shí)的體驗。此外，該模型還能夠適應不同的場(chǎng)景和藝術(shù)風(fēng)格，為創(chuàng )作者提供了更多的創(chuàng )意空間和個(gè)性化體驗。

　　支培元表示，相較同類(lèi)方案，該模型兼具計算效率與圖像質(zhì)量?jì)?yōu)勢，能在保持細節豐富度的基礎上，極大程度地壓縮處理時(shí)間，解決當前三維內容生成的技術(shù)難題。兼容主流硬件平臺，從移動(dòng)終端到高性能服務(wù)器，確保技術(shù)無(wú)縫對接，有利于快速市場(chǎng)化部署，支撐多元場(chǎng)景應用。盡管面臨技術(shù)挑戰和商業(yè)化落地的難題，但獨特的技術(shù)優(yōu)勢和廣泛的應用前景使其成為業(yè)界關(guān)注的焦點(diǎn)。隨著(zhù)國內外多家大廠(chǎng)的布局，空間智能領(lǐng)域正迎來(lái)一個(gè)全新的發(fā)展階段。