Fei-Fei Li步入2026年时，已拥有许多前沿人工智能创始人仍缺少的一样东西：外部用户可以使用的产品。World Labs已推出Marble——其可生成可持续探索3D环境的多模态模型——并于一月将这项能力转化为面向公众的编程接口。二月，该公司从包括AMD、Autodesk、Fidelity、Nvidia以及总部位于新加坡的Sea在内的一批投资者处融资10亿美元。
这一系列进展改变了李飞飞空间智能论点的性质。它不再主要是一项关于机器需要理解三维空间的研究主张，而是成为一个获得巨额融资、拥有定价、客户和战略股东并需要规模化发展的商业项目。世界实验室（World Labs）必须证明，快速生成世界的技术不仅能用于令人惊叹的创意演示，也能为企业提供支持；其模型最终还须能够呈现足够丰富的几何结构与物理规律，以训练在现实世界中行动的机器。
第二项任务影响更为深远。Marble可以把文本、图像、全景图或视频转化为可探索的场景，将其导出至下游工具，并接入模拟流程。但World Labs本身明确区分了生成逼真图像的渲染器与结构可信的模拟器。李飞飞接下来的领导力考验，是在资金更雄厚的平台围绕她制定行业标准之前弥合这一差距。
10亿美元能买来时间，却买不来证明
World Labs尚未披露收入、盈利能力或最近一轮融资对应的估值。对一家年轻的私营公司而言，这种缺失很正常，但对判断这笔押注的规模至关重要。注入10亿美元足以为研究人员、模型训练和基础设施提供数年资金，同时也大幅抬高了公司最终需要实现的企业客户收入或战略价值门槛。投资者资助的是一个有望成为3D计算基础层的平台，而非小众创意应用。
World API为该公司提供了早期的商业化工具。积分价格为$1兑换1,250积分，标准世界生成需使用1,500积分，另加部分输入处理费用。World Labs截至六月下旬的数据显示，一次Marble 1.1 Plus生成的平均成本约为$1.71，高质量网格导出的成本为$2.80。这些价格使实验更易负担，也让开发者无需维持专业制作流程即可将世界创建功能嵌入产品。
然而，较低的单价也暴露出商业化挑战。按每个生成世界仅数美元计算，若仅靠使用量来支撑10亿美元的资本基础，该API需要极其庞大的调用规模。World Labs可能需要构建更广泛的收入组合，包括高端模型、更高吞吐量的企业合同、协作工具、模拟服务、支持服务，以及可能向设计、媒体和机器人平台授权。公开定价是促进采用的手段，尚不能证明其利润率具有吸引力。
随着保真度提升，算力经济性将日益重要。更大的环境、更多视角、持续编辑以及符合物理规律的输出，所需存储和处理资源远超单次图像请求。如果模型不仅要生成可见表面，还要生成物体属性、动态效果和多种相互作用的材质，成本增速可能超过客户付费意愿。李必须处理前沿模型领域常见的矛盾：既要让产品价格足够低，以成为行业标准，又要保留足够的价值，为形成差异化优势的研究提供资金。
Marble从市场条件成熟之处起步
近期机遇在于创意制作：即使构建的世界并非工程级模拟，视觉一致性和速度依然能够创造价值。Marble可生成用于探索的3D高斯泼溅，并能导出网格模型。电影制作人可以把概念图转为虚拟场景，选择摄影机角度，并在实景拍摄前反复调整。建筑师可以带领客户体验早期构想。游戏和沉浸式媒体团队无需逐一手工建模所有资产，便可构建可探索的环境。
这些工作流程具有可量化的经济效益。它们可以缩短外景勘察、初步建模和修改所需的时间，使规模较小的团队也能制作更多概念原型。World Labs已展示覆盖电影制作、建筑和原生网络互动体验的集成应用。API设计具有重要战略意义，因为它吸引第三方将Marble纳入自身产品，而不是迫使每位用户都进入同一个终端应用。
这种开放性也带来依赖。创意用户在Autodesk产品、Unreal Engine和Nvidia图形技术栈等既有生态系统中工作。战略投资者可提供分发、技术整合和算力，也能了解价值在何处积累。Nvidia既是投资方，也是Omniverse的运营方；后者是一个面向工业数字孪生和模拟的平台。Autodesk拥有深度嵌入的设计工作流程。World Labs必须提供模型质量或开发者杠杆，使这些合作伙伴无法轻易将其吸收到自身平台中。
它的护城河不会来自这句话 世界模型。这一术语已涵盖交互式视频系统、机器人规划器、物理引擎和生成式3D工具。李及其团队尝试通过区分渲染器、模拟器和规划器，为这一概念建立实用而精确的分类。这一分类远不只是学术框架，它明确了产品路线图，也指出了Marble价值可能大幅提升的关键节点。
物理难题就是战略问题
渲染器的评判标准是人眼所见，模拟器的评判标准则是底层状态是否正确。一个房间可能看起来逼真，但墙体彼此穿插、比例错误，或表面在机器人触碰时呈现不可能的物理行为。这类缺陷在情绪板中尚可容忍，在仓库模拟、建筑决策或自主系统测试中却十分危险。
World Labs承认这些局限。带有几何结构、材质和物理标注的显式3D数据，远比互联网图像和视频稀缺。模拟行为与现实行为之间的差距依然存在。涉及刚体、布料、流体和形变的多物理场系统，成本远高于单一范围的模拟。Marble已经能够输出物理引擎可使用的碰撞网格，但这只是第一步，并不能证明其具备通用物理理解能力。
这种坦率增强了李的可信度，也厘清了投资风险。如果World Labs最强的能力仍是渲染，它进入的将是一个迅速商品化、强敌环伺的创意AI市场。如果它能成为值得信赖的模拟器，就可以服务于机器人、自主机器、工厂设计和科学研究——这些市场合同周期更长、转换成本更高，验证要求也更严格。最困难的研究问题，实际上也是通往更优质业务的同一个问题。
取得进展需要客户能够审计的基准。视觉偏好测试并不足够。工业买家需要衡量几何一致性、尺度精度、碰撞质量、物理行为，以及从仿真向部署设备迁移的效果。他们需要版本稳定性，确保模型更新不会使训练数据失效。他们还需要明确上传图像、生成资产和合成数据集的权利归属。李飞飞以人为本的人工智能原则，将在这些运营细节中接受检验，而不仅是在公共倡议中。
亚洲可以将空间人工智能转化为工业人工智能
尽管World Labs总部位于加利福尼亚，亚洲仍是其商业机遇的核心。该地区集聚电子制造、机器人、汽车供应链、游戏和高密度城市建设——这些领域中，可编程3D层可立即产生价值。日本和韩国拥有成熟的工业客户；东南亚则兼具庞大的创意经济，以及不断扩大的数据中心和数字平台投资。Sea的参与为融资团带来显著的新加坡联系，并可能为其提供对区域消费者和开发者市场的洞察。
进入亚洲市场应从具体工作流程入手，而不是泛泛宣称物理AI的前景。工厂运营商可以生成多样化布局，用于机器人训练；房地产集团可以加快概念可视化；游戏工作室可以构建背景环境，同时让艺术家保留对核心资产的控制权；物流公司可以在合成仓库中测试边缘情形。每种应用场景都需要本地合作伙伴、领域数据和不同的可靠性标准。
数据治理将增加扩张的复杂性。工业场景可能暴露客户视为机密的工厂布局、设备和工艺。政府和企业可能要求数据在本地存储，或限制如何使用输入数据进行训练。文化和建筑的多样性同样重要：基于分布不均的视觉语料训练的模型，可能生成看似可信、却错误呈现地区建筑惯例的空间。企业信任将取决于部署管控和评估数据，而不只是多语言提示词。
如果World Labs取得成功，将为亚洲带来战略收益。亚洲制造商往往拥有物理世界的专业知识，却缺乏训练通用机器人所需的海量合成环境。可靠的世界生成层可以帮助把这些领域知识制成模拟资产，缩短开发周期，也可以减少对人工搭建数字孪生的依赖。但客户是否采用，取决于生成环境能否改善现实表现，而不是输出图像是否好看。
两家机构，同一问责标准
李的影响力并不局限于公司。她仍担任斯坦福大学首任红杉计算机科学教授；五月，该校整合人工智能与数据科学机构后，她又出任斯坦福大学校长人工智能特别顾问，并担任重组后研究所顾问委员会联席主席。这两项职务使她在研究、政策和商业化领域拥有非同寻常的影响力。
这也对边界透明度提出了更高要求。World Labs应当明确知识产权、学生参与、研究发表，以及斯坦福大学产业合作关系可能引发的利益冲突。问题不在于学者应当避免创业。李飞飞的职业经历表明，研究领军者为何能够先于市场识别出平台机遇。
她的核心成就是让空间智能成为一个清晰可辨的重要AI类别，并汇聚了推进这一方向所需的资本和团队。Marble与World API为这一主张提供了真正的产品支撑。下一阶段需要另一种领导力：制定严谨的商业优先事项、公布有意义的衡量指标，并决定World Labs必须掌控技术栈中的哪些环节。
一个精美的生成式世界可以在几秒内赢得关注。一个实用的世界模型则必须在摄像机移动、物体坠落、机器人故障，以及客户追问成本由谁承担时依然保持一致性。这轮10亿美元融资为李提供了解决这一问题的空间，也意味着最终回报将取决于物理规律，而非想象力。
