文 | 新质动能
近日，李飞飞创立的World Labs宣布，完成10亿美元新一轮融资，投后估值约50亿美元。本轮融资由设计软件巨头Autodesk领投2亿美元，英伟达与AMD罕见联手参投。
要知道， World Labs 才成立2年，一年估值就狂飙 4 倍，从10亿美元冲上了 50 亿美元，约合人民币 350 亿元。
在今年的 CES 大展上，它的技术直接震撼了整个硅谷：
只要用手机在办公室里随便一扫，几分钟就能生成一个高保真的 3D 办公室模型。人戴着 VR 眼镜，就能直接走进去，蹲下看桌底的细节，甚至能和里面的虚拟物品进行真实的物理互动。
在这个大模型满天飞的时代，这家年轻的公司，凭什么能让顶级资本、芯片巨头们抢破头？
英伟达AMD凭什么抢着投
World Labs 之所以能让巨头们纷纷掏出真金白银，核心在于创始人李飞飞看透了现在 AI 发展的一个致命“死穴”。
回看当下的 AI 巨头，无论是能写代码的 ChatGPT，还是能生成逼真视频的 Sora，它们越来越像一个“偏科生”。这些 AI 在云端吞噬了海量的文本和二维图像，可以做到出口成章、画皮画骨，但它们从来没有真正在物理世界里生活过。
李飞飞曾用一个非常扎心的比喻来形容：现在的 AI 就像是被困在柏拉图洞穴里的囚徒，只能看着墙上的影子，却摸不到真实的物理实体。你让 AI 去写一首诗，它文采飞扬；但你让它判断一下“如果不小心碰倒桌上的花瓶会发生什么”，它瞬间就会死机。因为它不知道水杯是实心的，不知道重力的感觉，更不懂得物理法则。
Sora 生成的视频看似震撼，但在李飞飞看来，那仅仅是像素点的堆砌。你想换个视角看 Sora 视频里的物体是做不到的，因为它不懂火焰的温度，不懂杯子背后的厚度。
针对这个缺陷，World Labs 祭出了他们的杀手锏——“空间智能”（Spatial Intelligence）。
团队打造的大型世界模型（LWM），生成的不再是扁平的画面，而是一个实打实有重力、有摩擦力的 3D 世界。它赋予了 AI 一种类似人类婴儿的“物体恒常性”认知能力。给模型喂一张照片，它不仅能重建照片里拍到的部分，还能像人一样脑补，直接还原出照片盲区里、墙壁背后的样子，甚至推测出天花板的高度和窗外的景色。
这种从“视觉识别”到“空间理解”的跨越，正是让英伟达和 AMD 感到战栗并疯狂押注的根本原因。
能把这个宏大概念落地的，是一支战力爆表的团队。在 World Labs 的联合创始人及核心团队中，华人科学家占了极高的比例，来自清华、北大等顶尖学府的技术精英构筑了极其坚实的人才底座。
与此同时，李飞飞本人在资本圈也有着极深的人脉。她不仅是学术界的泰斗，更是投资圈极其活跃的 LP（有限合伙人），她是 Radical Ventures 的科学合伙人（Scientific Partner），金沙江创投曾投资过李飞飞担任董事会成员的公司 Nimble Robotics。
打通机器人的“任督二脉”
这项技术看着极其炫酷，但如果仅仅是用来给游戏做地图、给好莱坞做特效，绝对撑不起 50 亿美元的估值。
World Labs 真正的野心，在于解决科技圈目前最难啃的一块硬骨头：具身智能，也就是我们常说的物理机器人。
为什么直到今天，我们家里还没有出现真正像样的保姆机器人？核心症结在于“训练成本太高”。你不可能让一个刚出厂的机器人直接进你家真实的厨房里去试错。打碎几千个盘子是小事，万一由于没有掌握好力度引发火灾，谁来承担后果？
机器人迫切需要一个极度逼真的模拟器来学习，而 World Labs 的技术，完美充当了机器人的“实验室”。
这套大世界模型能够瞬间生成上亿个符合物理规律的虚拟 3D 世界。在这个虚拟空间里，水会往低处流，玻璃掉在地上会碎，物体之间有真实的碰撞体积。机器人在这个虚拟的厨房里，可以安全地跌倒一万次，学会怎么控制力度拿起玻璃杯，怎么绕开地上的障碍物。
等它在虚拟世界里完成了海量训练，掌握了真实世界的物理法则，再把这套程序下载到现实中的真机器人身上，它就能直接走进你家干活。
理想很丰满，但现实中的问题是：如何低成本、大规模地生成这些带有物理属性的仿真世界？
在这个关键节点上，李飞飞抛弃了行业内传统的“数字孪生”路线。要知道，试图将真实世界 1:1 完美复刻进仿真系统，需要高密度的传感器扫描和极其漫长的人工重建，成本高到令人发指。
她选择转向“数字表亲”（Digital Cousin）技术路线，核心逻辑是：仿真最重要的是物理与空间结构，只要结构可信，细节允许近似。
基于这个思路，World Labs 强强联手了中国一家炙手可热的仿真合成数据公司——光轮智能。
两家公司打出了一套组合拳：World Labs 的可视化世界模型（Marble）负责快速生成海量的 3D 场景，而光轮智能则提供底层物理引擎，解决机器人训练中最关键的触觉、重力、摩擦力等物理参数对齐问题。
现在，仅需一张全景图或一段简单的视频，系统就能在几分钟内构建出可供物理交互的仿真环境。这不仅大幅降低了数据采集成本，更彻底解决了仿真数据难以规模化应用的行业痛点。机器人评测从此不再是纸上谈兵，而是拥有了实打实的工业级基础设施。
从虚拟到现实的商业闭环
技术上的狂飙突进，需要学术与商业的双重闭环来支撑。
在学术突破上，李飞飞团队在 2025 年提出了一项名为 MoMaGen 的技术，给具身智能的落地踩下了一脚油门。
依靠这项技术，只需要 1 条人类的动作示范，系统就能在仿真环境中裂变生成数千条符合物理规则的多样化数据；紧接着，仅需 40 条真实数据进行微调，就能直接部署到实体机器人上。
这套“1条示范 -> 裂变数千仿真数据 -> 40条真实微调 -> 现实部署”的闭环，打通了从虚拟到现实的落地路径。这不再是存在于实验室里的概念，而是实打实的工业级生产力。
商业巨头们向来是不见兔子不撒鹰。Autodesk 领投的 2 亿美元绝不是来做慈善的，双方已经在专业创意工具层面进行了深度绑定。
在 B2B 企业服务领域，World Labs 已经跑通了变现的逻辑。未来，建筑师或设计师可以先用 World Labs 的世界模型一键生成办公室布局草图，再导入 Autodesk 的技术中去精雕细琢。
围绕世界模型的竞赛，已经进入白热化阶段。短短一段时间内，已经有超过 13 亿美元的资金疯狂涌入这个赛道。
除了李飞飞，图灵奖得主、Meta 首席 AI 科学家杨立昆（Yann LeCun）也创立了 AMI Labs，目标同样是世界模型；谷歌 DeepMind 的 Genie 3 项目也在虎视眈眈。
摆在 World Labs 面前的挑战依然巨大。大语言模型可以用海量的互联网文本进行廉价训练，但世界模型需要的是高质量的 3D 空间和物理交互数据，获取成本和标注难度呈指数级上升。
在物理建模的容错率上，语言模型说错一句话顶多是个笑话，但世界模型如果在物理规律上模拟出错，放到真实世界里可能就是机器人撞墙，或者自动驾驶车出事故。
所以说，当英伟达、AMD 和一众硅谷顶尖资本将 10 亿美元砸向 World Labs 时，他们赌的不仅仅是李飞飞个人的光环，更是 AI 产业从“语言智能”向“物理世界”全面拓展的历史必然。
当人工智能开始理解空间、模拟物理规律、预测未来互动，那个能在现实世界里替我们干活的通用机器人，就已经不再是科幻电影里的虚影。
李飞飞和她的团队已经推开了那扇通往空间智能的大门，而这场重塑物理世界的变革，才刚刚开始。