“AI教母”李飞飞，竟同时搞定了英伟达和AMD！

近日，李飞飞创立的WorldLabs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，WorldLabs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

WorldLabs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，WorldLabs祭出了他们的杀手锏——“空间智能”（SpatialIntelligence）。

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WorldLabs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RadicalVentures的科学合伙人（ScientificPartner），金沙江创投曾投资过李飞飞担任董事会成员的公司NimbleRobotics。

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。

WorldLabs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WorldLabs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”（DigitalCousin）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，WorldLabs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：WorldLabs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，WorldLabs已经跑通了变现的逻辑。未来，建筑师或设计师可以先用WorldLabs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（YannLeCun）也创立了AMILabs，目标同样是世界模型；谷歌DeepMind的Genie3项目也在虎视眈眈。

摆在WorldLabs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WorldLabs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。