AI 時代，獨角獸已經(jīng)不稀奇了，但世界模型這塊還是有所空缺的。

從估值的變化上來看，李飛飛的World Labs，最有可能成為全球首個世界模型獨角獸公司。

根據(jù)報道，World Labs的估值已經(jīng)突破了50億美元，并且擬融資5億美元。

而2024年9月的時候，這家公司才以10億美元估值完成2.3億美元融資，正式在公眾面前亮相。

從結(jié)果上來看，從登場到50億美元估值，李飛飛僅用了16個月的時間。

這個速度有多快?

OpenAI從2015年成立，到 2019年微軟首次投資，此時他們的估值也只有10億美元。

最接近World Labs速度的可能是Anthropic，但也花了25個月。

如果說李飛飛是世界模型教母，那么楊立昆可以說是世界模型教父。

2025年12月，楊立昆在LinkedIn上確認離開Meta，結(jié)束了他在這家公司長達12年的職業(yè)生涯。

楊立昆創(chuàng)立的新公司名為Advanced Machine Intelligence Labs，總部設(shè)在巴黎。AMI Labs正在尋求以30至35億歐元估值融資5億歐元。

不過，這兩家企業(yè)高估值背后，并非對世界模型這一技術(shù)的吹捧，而是實打?qū)嵉募夹g(shù)落地和商業(yè)化。

01

何為World Labs？

World Labs的投資方陣容包括Andreessen Horowitz、NEA、Radical Ventures（李飛飛本人是Radical Ventures的科學(xué)合伙人）、英偉達風(fēng)投部門、沙特Sanabil Investments和新加坡淡馬錫。

天使投資人包括谷歌DeepMind首席科學(xué)家杰夫·迪恩（Jeff Dean），以及圖靈獎得主杰弗里·辛頓（Geoffrey Hinton）。

World Labs的核心技術(shù)理念叫做空間智能，這是一種“升維”的概念。

目前的頂尖AI雖然看起來很聰明，但它們本質(zhì)上是“二維”的。它們只是處理文字序列或者像素排列，它們并不理解體積、有重量、受重力影響的實體。

World Labs的空間智能技術(shù)，就是要賦予AI“對三維世界的認知能力”。

以生成視頻為例，空間智能是直接生成一個具有三維結(jié)構(gòu)、且符合物理規(guī)律的虛擬環(huán)境，然后再在這個環(huán)境里去模擬要生成的實體。實體不僅有長寬高，還有材質(zhì)和物理反饋。

在傳統(tǒng)的AI訓(xùn)練中，模型學(xué)習(xí)的是像素之間的概率關(guān)聯(lián)，比如藍天下面通常是綠地，綠地旁邊通常是小溪。

但World Labs的世界模型則是基于三維幾何與物理模擬的原理進行訓(xùn)練的。

它在學(xué)習(xí)數(shù)據(jù)的過程中，得到的不僅僅是圖像的紋理，還有圖像背后的空間幾何信息（比如深度、遮擋關(guān)系、透視角度）以及物理動力學(xué)規(guī)則（比如剛體如何碰撞、流體如何流動、光線如何反射）。

2025年11月，World Labs推出首款商業(yè)產(chǎn)品Marble，這是一個能夠從文本、圖像、視頻或粗略3D布局生成持久化3D世界的模型。

Marble的技術(shù)底層采用神經(jīng)輻射場（NeRF）和高斯點云（3D Gaussian Splatting）技術(shù)，而非傳統(tǒng)的多邊形網(wǎng)格。

神經(jīng)輻射場是一種利用神經(jīng)網(wǎng)絡(luò)表示三維場景的技術(shù)，它將場景表示為連續(xù)的體積函數(shù)，輸入三維空間坐標(biāo)和觀察方向，輸出該點的顏色和體積密度。這種方法通過多層感知機學(xué)習(xí)場景的幾何和光照信息，然后通過體積渲染生成逼真的新視角圖像。

相當(dāng)于在相同場景內(nèi)，從每一個角度對實體進行拍攝，這樣生成實體以后，用戶從哪個角度看都符合物理規(guī)律。

高斯點云則是另一種三維表示方法，它用數(shù)百萬個帶有位置、大小、形狀、顏色和透明度屬性的高斯橢球體來表示場景，渲染速度比神經(jīng)輻射場快得多，同時保持了高質(zhì)量的視覺效果。

類似于樂高，通過小積木塊最終搭建成完整的實體。

這使其能夠生成連續(xù)的輻射場，包含空間理解、光照和深度信息的完整環(huán)境，而不是簡單地組裝多邊形。

在2026年CES大會上，李飛飛在AMD CEO蘇姿豐的主題演講中展示了Marble的能力。

李飛飛說：“將少數(shù)圖片變成連貫、實時的世界，不再是對遙遠未來的一瞥，而是下一章的開始。AI 正在給人們的生活帶來一些改變，將少數(shù)圖片或照片轉(zhuǎn)化為一個實時可探索的世界。空間智能需要極致算力支持，才能實現(xiàn)可交互級幀率和無限持久的世界交互?！?/p>

World Labs采用免費增值模式，免費版提供4次生成，20 美元每月可獲得更多生成次數(shù)，最高95美元每月提供75次生成和商業(yè)使用權(quán)。

目標(biāo)客戶包括游戲開發(fā)者、影視特效制作、虛擬現(xiàn)實應(yīng)用。而且Marble還支持蘋果Vision Pro和Quest 3 VR頭顯，每個生成的世界都可以在VR中查看。

更重要的是，Marble可以導(dǎo)出與Unreal Engine和Unity兼容的格式，這意味著它可以無縫集成到現(xiàn)有的游戲開發(fā)流程中。

李飛飛曾在訪談中表示，這項技術(shù)可能顛覆Unity和Epic Games的Unreal Engine等傳統(tǒng)游戲引擎。

除了AIGC產(chǎn)業(yè)，World Labs還瞄準機器人訓(xùn)練市場，通過模擬環(huán)境訓(xùn)練機器人的自主導(dǎo)航軟件。世界模型可以為機器人提供一個安全的虛擬訓(xùn)練場，讓它們在數(shù)字空間中學(xué)習(xí)物理交互、因果關(guān)系和長期規(guī)劃，然后再應(yīng)用到真實世界。

02

AMI Labs的技術(shù)優(yōu)勢是什么？

但AMI Labs不像李飛飛的World Labs那樣擁有實際的產(chǎn)品，目前還只停留在技術(shù)概念階段。

潛在投資方包括Cathay Innovation、Greycroft、Hiro Capital（楊立昆是Hiro Capital的顧問）、20VC、法國公共投資銀行Bpifrance、Daphni和HV Capital。

要注意，楊立昆在AMI Labs里擔(dān)任的是執(zhí)行主席而非CEO。

該公司CEO職位由亞歷克斯·勒布朗（Alex LeBrun）擔(dān)任，他是醫(yī)療AI初創(chuàng)公司Nabla的聯(lián)合創(chuàng)始人兼前CEO。LeBrun的前一家公司W(wǎng)it.ai被Meta收購后，他曾在FAIR直接向楊立昆匯報。

團隊還包括Meta歐洲副總裁勞倫特·索利（Laurent Solly），他于2025年12月離職加入AMI。

不僅如此，AMI Labs有法國總統(tǒng)親自背書。法國總統(tǒng)馬克龍對楊立昆選擇巴黎表示自豪，承諾將盡一切努力確保他從法國取得成功。

AMI Labs的核心技術(shù)是楊立昆多年倡導(dǎo)的聯(lián)合嵌入預(yù)測架構(gòu)（JEPA，Joint Embedding Predictive Architecture）。

以往的AI，都是逐token生成輸出的，然而聯(lián)合嵌入預(yù)測架構(gòu)能一口氣直接以抽象表示的形式來創(chuàng)建世界，能夠更好地預(yù)測未來狀態(tài)。

聯(lián)合嵌入預(yù)測架構(gòu)的工作原理是，它不預(yù)測原始像素或token，而是預(yù)測高層次的嵌入表示。

系統(tǒng)有兩個編碼器，一個處理上下文信息，另一個處理目標(biāo)信息，還有一個預(yù)測器在嵌入空間中進行預(yù)測。這種方法避免了生成模型的一個關(guān)鍵問題，生成模型必須預(yù)測每一個像素或token，包括那些不可預(yù)測的隨機細節(jié)，而聯(lián)合嵌入預(yù)測架構(gòu)只關(guān)注可預(yù)測的高層次特征，忽略無關(guān)緊要的細節(jié)。

楊立昆在哈佛演講中解釋，這類系統(tǒng)通過在嵌入空間中進行優(yōu)化來實現(xiàn)規(guī)劃和推理。

AMI Labs公司將推進AI研究并開發(fā)可靠性、可控性和安全性真正重要的應(yīng)用，特別是工業(yè)過程控制、自動化、可穿戴設(shè)備、機器人、醫(yī)療保健等領(lǐng)域。

AMI Labs的第一個應(yīng)用將是醫(yī)療保健。

具體來講，AMI Labs通過與Nabla合作，開發(fā)臨床護理AI助手。截止發(fā)稿，這個AI助手已獲得了1.2億美元融資，預(yù)計兩年內(nèi)達到1億美元年度訂閱收入。

作為交易的一部分，Nabla獲得AMI世界模型的特權(quán)訪問權(quán)，而亞歷克斯從CEO轉(zhuǎn)為首席AI科學(xué)家兼董事長。

亞歷克斯表示，他加入AMI的一個重要原因是將世界模型應(yīng)用于醫(yī)療保健的前景，因為醫(yī)療保健的復(fù)雜性和高風(fēng)險性使其成為測試世界模型的理想場景。

FDA認證要求確定性、可解釋的推理，這正是LLM無法提供而世界模型承諾實現(xiàn)的。大語言模型存在幻覺問題，在醫(yī)療場景中可能導(dǎo)致嚴重后果，而世界模型通過建立對患者生理狀態(tài)的內(nèi)部模擬，可以預(yù)測疾病進展，提供更可靠的決策支持。

2026年1月，楊立昆還加入了另一家初創(chuàng)公司Logical Intelligence，擔(dān)任技術(shù)研究委員會創(chuàng)始主席。這家公司推出了名為Kona 1.0的能量基礎(chǔ)推理模型，通過對約束條件評分來驗證和優(yōu)化解決方案，尋找最低能量也就是最一致的結(jié)果。

這種非自回歸模型也和AMI Labs的聯(lián)合嵌入預(yù)測架構(gòu)相似，能夠一口氣生成完整的推理軌跡。

能量基礎(chǔ)模型是一類通過能量函數(shù)來定義概率分布的模型。在這個框架中，每個可能的輸出都被賦予一個能量值，能量越低表示該輸出越符合約束條件。

模型通過優(yōu)化過程尋找能量最小的解決方案。這種方法的優(yōu)勢在于可以同時考慮多個約束條件，并且可以進行全局優(yōu)化，而不是像自回歸模型那樣只能做局部決策。

楊立昆表示，AGI的最終狀態(tài)不會來自單一模型類別，而需要能量基礎(chǔ)模型、LLM、世界模型等組成的相互依存的生態(tài)系統(tǒng)。

03

都是世界模型，兩家又有什么不同？

雖然李飛飛和楊立昆都在構(gòu)建世界模型，但技術(shù)路線存在根本差異。

由于技術(shù)還處于早期，World Labs的Marble本質(zhì)上還是傳統(tǒng)的生成式AI方法。它確實能生成3D世界，但這些世界本身還不具備物理知識。

World Labs聯(lián)合創(chuàng)始人在采訪中表示，Marble生成的羅馬拱門并不知道如果移除一塊磚，其他磚可能會掉落。它只是學(xué)會了羅馬拱門在視覺上應(yīng)該是什么樣子，而不是理解支撐它的物理原理。

這種方法在創(chuàng)意內(nèi)容生成方面表現(xiàn)出色，可以快速產(chǎn)出視覺上令人信服的場景，但缺乏對因果關(guān)系的深層理解。

相比之下，因為楊立昆的聯(lián)合嵌入預(yù)測架構(gòu)能夠直接生成完整的結(jié)果，它就能夠表示出來這里面的因果關(guān)系。

但是在市場方面，World Labs已經(jīng)獲得了早期客戶。World Labs透露已有多家組織采用了Marble API。這種先發(fā)優(yōu)勢使其在融資談判中占據(jù)有利位置。

World Labs明確瞄準創(chuàng)意產(chǎn)業(yè)，這些市場已經(jīng)存在，客戶有明確的痛點，3D 內(nèi)容制作成本高、周期長，Marble提供了立竿見影的價值。

游戲開發(fā)者可以用Marble快速生成背景環(huán)境，然后在Unity或Unreal Engine中添加交互邏輯。影視制作團隊可以用它進行虛擬場景預(yù)覽，大幅縮短前期制作時間。

從商業(yè)角度看，World Labs的策略更加務(wù)實。它選擇了一個已經(jīng)存在的市場，提供了一個可以立即使用的產(chǎn)品，并且建立了清晰的商業(yè)模式。

AMI Labs有點超前，它押注于一個尚未成熟的市場，追求技術(shù)突破，給這片全新的市場帶來需求。這種方法風(fēng)險更高，但如果成功，回報也會更大。

李飛飛的World Labs扎根硅谷，投資方以美國VC為主，雖然也包括沙特和新加坡主權(quán)基金。這使其能夠充分利用硅谷的人才、資本和客戶網(wǎng)絡(luò)。

反觀楊立昆，他選擇巴黎作為總部，這不僅是個人偏好，更是戰(zhàn)略選擇。

歐盟正在建立AI主權(quán)，減少對美國科技巨頭的依賴。AMI Labs獲得法國政府的高調(diào)支持，可能在歐洲監(jiān)管環(huán)境中獲得優(yōu)勢，特別是在醫(yī)療保健等高度監(jiān)管的領(lǐng)域。

兩家公司的人才策略也有所不同。

World Labs主要招募的是大量計算機視覺和圖形學(xué)背景的研究者，這些人擅長處理視覺數(shù)據(jù)和渲染問題。AMI Labs方面則更傾向于招募有機器學(xué)習(xí)理論和物理建模背景的研究者，這些人更關(guān)注模型的數(shù)學(xué)基礎(chǔ)和泛化能力。

李飛飛相信通過大規(guī)模數(shù)據(jù)和計算，可以讓模型學(xué)會對空間的隱式理解，即使它不明確建模物理規(guī)律。這種方法在計算機視覺領(lǐng)域已經(jīng)被證明有效，ImageNet項目就是最好的例證。

楊立昆則堅持認為，真正的智能需要顯式的世界模型，需要理解因果關(guān)系而不僅僅是相關(guān)性。他多年來一直批評純粹的生成式方法，認為它們無法達到人類水平的推理能力。

所以看下來，雖然兩個人的技術(shù)完全不同，然而實際上，這兩條路之間好像也沒有那么水火不相容。

事實上，它們可能最終會融合。World Labs的生成能力可以為楊立昆的因果模型提供豐富的訓(xùn)練數(shù)據(jù)，而聯(lián)合嵌入預(yù)測架構(gòu)的推理能力可以增強Marble的物理一致性。

AI的未來可能不是選擇其中一條路，而是找到兩者的最佳結(jié)合點。

無論哪條路徑最終勝出，世界模型都代表了AI從理解語言到理解物理世界的重要轉(zhuǎn)變。

它意味著我們不再滿足于讓AI模仿人類的語言能力，而是要讓它理解什么才叫客觀規(guī)律。