

> 当大多数科技巨头还在大语言模型的红海中厮杀时，李飞飞已带领 World Labs 开启了“空间智能”的第二战场。一年内估值翻五倍的资本神话背后，是行业对 AI 从“理解语言”向“理解物理世界”进化的迫切押注。

## 资本热捧下的身价暴涨

在生成式 AI 的浪潮进入深水区之际，享有“AI 教母”美誉的李飞飞再次证明了其敏锐的战略眼光。据彭博社最新消息，其创办的初创公司 World Labs 正在推进一轮新的融资计划，目标筹集 5 亿美元，投后估值将高达 50 亿美元。

这距离公司成立仅过去不到一年。2024 年 4 月，World Labs 在成立之初的估值为 2 亿美元，随后迅速吸纳了 a16z、Radical Ventures 等顶级风投，以及英伟达、淡马锡和 Google 首席科学家 Jeff Dean 等行业大佬的背书，迅速跻身独角兽行列。如今身价再度翻倍，不仅是对李飞飞学术地位的致敬，更是市场对“世界模型”这一技术路线的高度认可。

![Google_AI_Studio_2026-01-26T03_04_41.675Z.png](https://static.downly.cn/images/dad2c6fae98cf34759b1cd861212efb6.png) <center>图源备注：图片由AI生成</center>

## 超越语言 此时此地的世界模型

World Labs 的核心野心在于构建“大世界模型（LWM）”。李飞飞团队认为，AI 的终极形态不应止步于生成平面的图文，而必须具备理解物理世界结构、动态演化及因果关系的能力。

目前，World Labs 已推出首款 3D 世界生成模型 Marble。该模型展现了惊人的能力，能够仅凭文本或图像输入，直接生成可交互、可探索的 3D 空间，并为物理仿真和机器人模拟提供关键的“碰撞网格”数据。在战略构想中，这是通往“空间智能”的必经之路——赋予 AI 像人类一样感知和操纵三维世界的能力。这一基础设施的完善，将对 AIGC 产业产生颠覆性影响，从 3D 资产的瞬间生成到具身智能机器人的精准操控，想象空间巨大。

## 双雄并立的路线之争

值得关注的是，在通往“世界模型”的道路上，李飞飞并非独行。图灵奖得主 Yann LeCun 创立的 AMI Labs 同样以 35 亿美元的估值在资本市场寻求支持。

两者的技术路线呈现出有趣的对立 李飞飞倾向于显式、可生成的 3D 环境构建，强调视觉与物理的统一；而 LeCun 则坚持基于 JEPA（联合嵌入预测架构）的抽象认知路径，不主张直接生成像素级的世界。这场顶级大脑之间的较量，预示着 AI 的下一个十年主战场，将正式从“语言逻辑”转移到“时空智能”。

空间智能新纪元 李飞飞World Labs估值冲刺50亿美元



> Google DeepMind 今日攻克计算机视觉领域的终极难题，推出全新 D4RT 模型。该技术成功将三维空间与时间维度融合，实现对动态世界的像素级精准追踪与重建，让机器视觉从“拼图”进化为“整体感知”。

## 从拼图模式到四维整体建模

长期以来，机器视觉受困于如何理解动态世界。DeepMind 发布的 D4RT（Dynamic4D Reconstruction and Tracking）打破了这一僵局，它不再依赖多个独立模型分别处理深度、动作和视角的传统“打补丁”方式，而是通过统一架构实现了维度的跨越。

D4RT 采用优雅的“查询式”架构，将复杂的视觉任务简化为一个核心逻辑 询问视频中的任意像素在特定时间、特定视角下的三维坐标。这种从底层逻辑上的重构，让 AI 不再是处理一个个切片，而是建立起了一个包含时间维度的完整四维世界模型。

![Google_AI_Studio_2026-01-24T04_40_36.929Z.png](https://static.downly.cn/images/2f0e82971cad36bed6fd78a562c63c82.png) 
<center>图源备注：图片由AI生成</center>

## 算力效率的指数级跃升

“指哪打哪”的查询机制带来了惊人的效率提升。在性能基准测试中，D4RT 的运行速度相比现有技术标杆提升了 18 至 300 倍。

以往顶级算力需要十分钟才能解析的一分钟视频，现在仅需 5 秒即可完成处理。这意味着 AI 首次具备了在现实场景中实时构建四维地图的能力，为自动驾驶、机器人导航等对时延极其敏感的领域扫清了关键障碍。

## 超越视觉的全时空感知

D4RT 的突破不仅在于快，更在于深。它展现出了令人惊叹的“脑补”能力

*   **全时空追踪** 即便物体被遮挡或移出画面，模型依然能预测其在三维时空中的轨迹。
*   **瞬时重建** 无需反复迭代，直接生成场景的精准 3D 结构。
*   **自适应捕捉** 自动对齐不同视角，精准还原相机的运动路径。

这标志着 AI 正从单纯的“看客”进化为能够理解物理常识的观察者，为通往通用人工智能（AGI）铺平了视觉感知的基石。

![Google_AI_Studio_2026-01-24T04_40_44.928Z.png](https://static.downly.cn/images/e3e07f08d3ad06670fce8f9160c5dfe7.png)
 <center>图源备注：图片由AI生成</center>

DeepMind 发布 D4RT 模型 开启 AI 视觉四维全感知时代



> **导语**
> 阿里巴巴旗下高德地图在 AI 基础模型领域取得重大突破，正式推出自研世界模型“FantasyWorld”。该模型凭借独特的几何与视频联合建模技术，在国际权威基准 WorldScore 上夺得榜首，并已率先应用于“飞行街景”等具身智能场景。

## 几何与视频的联合建模

FantasyWorld 的核心创新在于解决了传统视频生成模型缺乏物理一致性的痛点。高德团队提出了一种新颖的架构：在冻结的视频基础模型骨干上，增设一个可训练的几何分支。这种设计实现了“视频潜变量”和“隐式 3D 场”的联合建模，且仅需一次前向计算即可完成，极大地提升了推理效率。

这一技术突破使得 FantasyWorld 在生成视频时，不仅能保持极高的视觉真实感，还能确保多视角下的一致性和几何保真度。即使在面对 180° 旋转等极端视角的物体形状与纹理保持上，其表现也远超近期的其他几何一致性方法。模型生成的 3D 潜变量可直接解码为深度图或点云，为下游任务提供了即插即用的 3D 数据支持。

![Google_AI_Studio_2026-01-10T03_50_17.220Z.png](https://static.downly.cn/images/d9ca3c0857bc62f9a33c794f04b46faf.png)
 <center>图源备注：图片由AI生成</center>

## 权威评测与开源计划

作为由斯坦福大学李飞飞团队主导的统一世界生成基准，WorldScore 涵盖了静态场景、动态场景、可控性及一致性等多维度的严苛评估。FantasyWorld 在该榜单上以综合得分第一的成绩强势登顶，特别是在静态世界得分（78.55）和动态世界得分（66.89）等关键指标上，超越了多家国内外知名模型。

学术界的认可紧随其后，相关论文已被 ICLR2025、NeurIPS2025 等顶级 AI 会议收录。高德方面已明确表示，将于近期开源该模型，此举预计将大幅推动学术界与产业界在 3D 世界构建领域的合作与创新。

## 从飞行街景到具身智能

FantasyWorld 的商业价值已在高德地图的“飞行街景”功能中初现端倪。商家只需上传几段简单的手机视频，模型即可低成本、快速地生成高保真的 3D 虚拟漫游街景。这种“技术平权”不仅让普通商家拥有了展示空间细节的能力，也为用户提供了身临其境的预览体验。

更长远的布局在于具身智能。随着自动驾驶向端到端视觉语言行动（VLA）方案演进，追求物理真实性的世界模型变得至关重要。高德内部已成立具身业务部，探索机器人、机器狗等方向，利用 FantasyWorld 在空间智能上的优势，加速从数字地图服务商向物理 AI 领军者的转型。

高德发布世界模型FantasyWorld 登顶WorldScore并将开源



> **导语**
> 前 Meta AI 核心人物杨立昆在专访中痛陈公司 Llama 系列研发乱象，并证实已离职创立新实验室。随着“世界模型”与“大语言模型”的技术路线分歧公开化，AI 领域的下一个风口之争正式浮出水面。

## 内部动荡 Llama 4 被指数据注水

在一场震动硅谷的专访中，杨立昆（Yann LeCun）打破沉默，披露了 Meta 在开发大型语言模型 Llama 4 期间的内部危机。他直言不讳地指出，为了应对激烈的市场竞争，研发团队在基准测试中采取了“非常规手段”，导致模型发布后陷入数据操控的舆论漩涡。

杨立昆对现任首席 AI 官 Alexandr Wang 提出了尖锐批评，认为其年轻且缺乏经验，未能理解基础研究的长期价值，反而将团队推向了急功近利的死胡同。扎克伯格在元宇宙战略受挫后，对 AI 部门施加的巨大落地压力，导致内部沟通机制崩塌，Llama 系列产品最终在性能与口碑上遭遇双重滑铁卢。

![Google_AI_Studio_2026-01-05T02_54_59.556Z.png](https://static.downly.cn/images/19603be37981a20f3224208c68f44847.png)
 <center>图源备注：图片由AI生成</center>

## 理念决裂 拒绝 LLM 思维定式

杨立昆的回忆充满了对早期 Facebook 研究自由度的怀念。2013 年，他曾在扎克伯格的盛情邀请下加入，并坚持保留学术职位与研究公开性。然而，随着公司全面转向大语言模型（LLM），他感到自己的研究空间被极度压缩。

他认为，Meta 的大部分团队已被 LLM 思维“洗脑”，忽视了人工智能更本质的挑战。这种对单一技术路线的过度依赖，促使他最终做出了离开的决定。尽管与新任高管没有直接的人身冲突，但对公司技术战略的失望已无可挽回。

## 另起炉灶 押注世界模型

离职后的杨立昆迅速成立了“先进机器智能实验室”，将目光投向了“世界模型”。与仅能处理概率预测的语言模型不同，世界模型旨在让 AI 理解物理世界的因果律与运作机制。

杨立昆坚信，未来的智能必须突破语言符号的局限，具备对物理实体的感知与推理能力。他的新征程，不仅是个人的职业选择，更是对当前主流生成式 AI 路线的一次严肃修正与挑战。

Meta 爆发路线之争，前 AI 掌门人自立门户剑指世界模型



> 导语：AI领域的传奇人物Yann LeCun即将开启新的创业篇章。其新公司AMI Labs计划于明年1月成立，估值高达247亿人民币。LeCun将摒弃主流LLM路线，专注于“世界模型”研发，并由前Meta老部下Alexandre LeBrun出任CEO，形成科研与商业的双核驱动。

人工智能科学界的泰斗级人物Yann LeCun即将迈出再创业的关键一步。备受瞩目的新公司Advanced Machine Intelligence Labs（AMI Labs）计划于明年1月正式挂牌成立，目标估值锁定在30亿欧元（约合247亿人民币）。

### 摒弃大模型捷径 押注JEPA架构

在Meta任职的最后阶段，LeCun便对“世界模型”抱有极大的热情，并决定在新公司中将这一理念推向极致。LeCun一直坚持认为，当前主流的自回归大型语言模型（LLM）存在本质的逻辑缺陷，它们仅能进行文本的统计概率预测，却无法真正理解物理世界的因果规律。他曾多次警告，单纯依赖LLM将是通往人工通用智能（AGI）的“死胡同”。

AMI Labs将另辟蹊径，采用一种名为JEPA（联合嵌入预测架构）的创新技术。该技术致力于通过“抽象”和“规划”来赋予AI理解和预测物理世界的能力，力求实现比现有模型更高层次的智能。

![Google_AI_Studio_2025-12-20T02_39_34.365Z.png](https://static.downly.cn/images/b9f60e5d51b5f6934234c66884ca958b.png)

<div align="center">图源备注：图片由AI生成</div>

### 师徒联手 打造双核架构

值得关注的是，65岁的LeCun虽然是公司的灵魂人物，但他并不担任CEO一职。接过商业化重任的是他的老部下 医疗AI公司Nabla的创始人Alexandre LeBrun。

LeBrun与LeCun渊源颇深，曾在Meta的FAIR实验室与LeCun并肩作战三年。在LeCun的指导下，LeBrun积累了深厚的技术底蕴，并成功转型为商业领袖。这种人事安排预示着AMI Labs将形成“LeCun主内负责科研突破、LeBrun主外负责商业运作”的稳固双核架构。

LeCun在最近的访谈中坦言，自己仍有“提升人类智能”的使命未竟。AMI Labs的成立，正是他摒弃捷径、深入探索AI终极奥秘的一次全新冒险。

LeCun新征程 AMI Labs估值247亿剑指“世界模型” 昔日部下挂帅CEO



> 导语
> Meta 在首席人工智能官 Alexandr Wang 的带领下，计划于 2026 年上半年发布代号为 Mango 的多模态模型及 Avocado 代码模型。公司通过挖角 OpenAI 核心人才并联合 Midjourney，意图在图像、视频及编码能力上实现代际跃升，全面反击谷歌与 OpenAI。

## AI 领域的全线反攻

根据 AIbase 报道，Meta 正在人工智能领域发起一场规模空前的“全线反攻”。前 Scale AI 创始人、现领导 Meta 超级智能实验室的 Alexandr Wang 正带领团队，计划发布一系列代号极具“热带感”的下一代智能模型。

![Google_AI_Studio_2025-12-19T03_09_25.272Z.png](https://static.downly.cn/images/65bda65e98136ae2e914b0157c460d7f.png)<center>图源备注：图片由AI生成</center>

## 热带水果系列模型揭秘

此次发布的焦点包括名为 **Mango** 的多模态模型，该模型旨在统一图像与视频的生成及理解，打破单一模态的界限。

同时，Meta 还在秘密开发下一代大型语言模型 **Avocado（牛油果）**。据知情人士透露，Avocado 的核心目标是实现编码能力的代际跃升，并尝试探索“世界模型”，即通过视觉信息让 AI 建立对现实物理环境的深刻认知。

## 激烈的人才与市场争夺战

为了重夺技术高地，Meta 首席执行官马克·扎克伯格亲自发动了人才“抢夺战”，从 OpenAI 挖走了 20 多名核心研究人员。这一举动正是为了应对日益激烈的多模态竞争格局。

目前，谷歌凭借 Nano Banana 图像制作工具实现了用户量的爆发式增长，月活用户已突破 6.5 亿；OpenAI 则在 Gemini3 发布后通过 Sora 和升级版的 ChatGPT Images 严防死守。Meta 此前已与 Midjourney 合作推出 Vibes 视频生成器，而即将到来的 2026 年新品系列，被视为其实现“个人超级智能”愿景的关键一步。

Meta 吹响 2026 反攻号角 多模态 Mango 与代码模型 Avocado 蓄势待发，抢夺 AI 霸主地位





> 导语
> OpenAI 正谋划一场史无前例的千亿美元融资行动，若按上限完成，其估值将飙升至 8300 亿美元，仅次于微软与苹果。这笔资金将用于支撑其“星际之门”算力建设、GPT-6 等模型迭代及全球生态扩张，标志着 AI 领域的竞争已正式进入“万亿美元前夜”的赢家通吃阶段。

## 史无前例的资本扩张

据知情人士透露，OpenAI 计划筹集最多 1000 亿美元，目标是在 2025 年第一季度末前完成。如此庞大的金额在全球资本市场实属罕见，即便按较低估值达成部分融资，也将创下私营科技公司单轮融资的历史纪录。

值得注意的是，8300 亿美元的估值已超过特斯拉和谷歌母公司 Alphabet。若 OpenAI 成功上市，极有可能成为全球市值最高的 AI 原生企业。

## 军备压力下的资金需求

此轮融资的背后，是 OpenAI 在 AI 竞赛中日益加剧的“军备压力”。

**算力建设** 其“星际之门”计划需在全球部署超大规模 AI 数据中心，单项目投资或达数千亿美元。

**模型迭代** GPT-5、GPT-6 及多模态、世界模型、智能体系统的研发成本呈指数级上升。

**生态扩张** 从 Sora 视频生成、App Directory 应用平台到硬件与主权 AI 合作，业务边界正在急速扩张。

**人才争夺** 顶尖 AI 研究员的年薪已突破数亿美元，且团队规模在持续膨胀。



![Google_AI_Studio_2025-12-19T03_08_45.140Z.png](https://static.downly.cn/images/4d4d964302a9adff2c306a7c57249122.png)
 <center>图源备注：图片由AI生成</center>

## 走向独立的超级 AI 公司

此前，OpenAI 已与微软、软银、沙特主权基金等建立深度资本合作。但此次千亿美元级融资或将引入更多主权财富基金、养老金和大型机构投资者。这一举措可能进一步稀释微软的相对影响力，推动 OpenAI 向“独立超级 AI 公司”演进。

## 赢家通吃的终极体现

高估值也意味着高预期，投资者将要求其证明 AI 不仅能改变技术，更能持续创造可规模化、可盈利的商业价值。在这场通往通用人工智能（AGI）的征途中，资金已不仅是燃料，更是定义未来格局的武器。OpenAI 的千亿美元赌局，或许正是 AI 时代“赢家通吃”逻辑的终极体现 要么成为下一个万亿美元巨头，要么在算力与人才的消耗战中掉队。

OpenAI 豪赌万亿美元未来 拟融资千亿估值冲破 8300 亿，AI 军备竞赛进入终极对决





> 导语
> 今日科技圈巨头博弈白热化，Meta成功延揽苹果资深设计副总裁，意在为AR硬件注入顶级设计基因；亚马逊AWS与OpenAI则分别通过发布高性能Nova 2模型家族及收购Neptune平台，在此基础设施与训练效率上筑起高墙。与此同时，国产模型智源Emu3.5与快手可灵2.6在物理世界理解及音画同步生成领域展现出强劲的技术突破力。

---

## 苹果设计副总裁跳槽Meta 掌舵AR眼镜设计新未来

Meta在人才争夺战中取得重大胜利，成功挖来苹果资深设计副总裁Alan Dye。这位曾深度参与苹果UI设计的高管将不仅负责Quest系列，更将主导未来智能眼镜产品线的AR VR设计。Alan Dye将利用其在苹果积累的十年UI秘籍及供应链经验，重点优化AI交互体验。值得注意的是，他将直接向Meta CTO汇报，这一职级安排充分体现了Meta对重塑硬件设计美学及争夺顶尖设计人才的极高重视。

![image.png](https://static.downly.cn/images/1a17bfc2dfdc8c3c9ed2f2a50e6fbc2c.png)
<center>图源备注：图片由AI生成</center>


## 亚马逊AWS大爆发 Nova 2模型与智能体开发工具齐发

在re Invent 2025大会上，亚马逊云科技祭出大招，一口气发布了四款自研Nova 2系列多模态大模型。这些模型集成了网页检索和代码执行功能，据称在性价比上已超越Claude Haiku 4.5及GPT-5 Mini。其中Nova 2 Lite专攻高性价比推理，而Nova 2 Pro则面向复杂的Agent应用。

此外，AWS还推出了智能体“全家桶”，核心亮点在于Strands Agents SDK新增了TypeScript支持，让前端开发者也能轻松构建Agent。同时，新功能扩展了对ARM与x86边缘设备的支持，甚至能在车载芯片上实现低延迟的实时路径规划，极大地加速了AI智能体在端侧的落地进程。

![image.png](https://static.downly.cn/images/82de45942f11a59823dded871754d117.png)
 <center>图源备注：图片由AI生成</center>



## OpenAI收购Neptune 意在倍增GPT迭代训练效率

OpenAI宣布收购实验管理公司Neptune，此举被视为强化模型训练“内功”的关键一步。OpenAI计划整合Neptune的监控调试工具与指标仪表盘技术，以增强模型训练过程的实时可见性。通过共同优化实验追踪与自动化警报功能，OpenAI旨在大幅提升基础模型训练的效率和准确性，这或许意味着GPT系列的迭代速度将迎来翻倍式的增长。

## 智源Emu3.5问世 懂物理规律的世界模型来了

智源研究院正式发布新一代多模态大模型Emu3.5，这不仅是简单的内容生成工具，更是实现了“世界级统一建模”。Emu3.5的显著突破在于提升了AI对物理世界的理解能力和因果推理能力。它能够一键预测真实世界的“下一秒”，标志着人工智能正从单一的生成走向对物理规律的深度认知。

![image.png](https://static.downly.cn/images/73d5e13aae19e46ae8297eebda0868fe.png)
 <center>图源备注：图片由AI生成</center>



## 快手可灵2.6全量上线 实现音画环境完美同步

快手旗下的可灵AI发布首个“音画同出”模型可灵2.6，解决了视频生成中声音匹配的痛点。该模型能够一步生成画面、自然语音、匹配音效以及环境氛围，支持“文生音画”和“图生音画”两种模式。这一更新极大简化了创作者的工作流，用户仅需一段文字或一张图，即可快速获得视听一体的完整内容。

## 谷歌AI三连发 从安卓系统到Gemini用户信任度挑战

谷歌近期动作频频，但在不同领域面临着不同的境遇

*   **Gemini 3 Pro** 在Prolific公司的2.6万名用户盲测中，虽然厂商测试数据亮眼，但在实际应用中的信任度、适应性及沟通风格方面仅获69%好评，显示出用户体验仍有优化空间。
*   **Android 16** 宣布放弃一年一更传统，转为更频繁的发布策略。新系统引入了AI驱动的“通知组织器”，能自动生成通知摘要并屏蔽低优先级打扰，首批功能将在Pixel设备上线。
*   **Google Photos** 上线了2025年度回顾功能，首次集成Gemini大模型进行智能高光提取，能自动识别用户兴趣并呈现个性化的年度主题回忆。

![image.png](https://static.downly.cn/images/91e2e723a6bd12b741e721e0e65de02e.png)
 <center>图源备注：图片由AI生成</center>



## WordPress推出实验性AI工具Telex 氛围编码助力建站

WordPress发布了名为Telex的实验性AI开发工具，引入了独特的“氛围编码”技术。该工具旨在帮助开发者更高效地生成Gutenberg模块。目前，Telex不仅仅停留在概念阶段，已经开始在实际的网站建设中得到应用和展示，为Web开发带来了新的智能化辅助思路。

搜索结果: 世界模型