“AI教母”刷屏，美國為什麼盯上“空間智能”？_風聞

這兩天，科技圈被“AI教母”李飛飛的創業項目刷屏了！

她投身的是一個革命性的AI技術——純視覺的“空間智能”。

純視覺的“空間智能”是什麼意思呢？

大概就是，她要創造一種可以在三維空間進行類人推理的純視覺AI。

比如，當你在打籃球的時候，通過連續的視覺觀察就可以推理判斷出籃球大體的運動方向、着地反彈的高度等信息，李飛飛就是想讓視覺AI也具備這樣的能力。

AI大模型的“二次革命”

按照李飛飛在TED大會上的演講，空間智能是通過理解物體之間的關係，從中得到新的發現或預測，讓機器可以像人類一樣進行更復雜的視覺推理，進而採取更貼合實際的行動。

按照她的這種解釋，“空間智能”將讓AI大模型具備三維空間的視覺推理能力。

目前的AI大模型，還無法理解三維世界的運行邏輯，沒能真正建立起對三維世界的“常識”，所以它現在只能在虛擬空間玩“文生圖”和“文生視頻”的遊戲，無法從虛擬空間走進物理空間創造生產力價值。

未來，這將帶來一個嚴重的問題——基於現有的AI大模型，將無法打造“賽博物理系統”，也就是CPS。

因此，空間智能可以看做是AI大模型的“二次革命”，它的目的就是要讓AI大模型去理解“三維物理世界”的規則，然後跟物理世界的機械系統進行“數智融合”，形成跟人一樣靈活的具身智能。

從這一點上説，李飛飛的創業項目意義重大，一旦獲得成功，AI大模型將可以走出虛擬空間智能操控物理世界，美國版的“數智經濟”就真的要來了，他們會走出一條與中國5G、6G的“感知智能”完全不同的“視覺智能”數智化路線。

李飛飛一直被稱為“AI 教母”，她開發的ImageNet大規模圖像數據集，幫助人類開創了新一代能可靠識別物體的計算機視覺技術，是ChatGPT的底層技術之一，這一次的創業項目同樣具有開創性價值。

她展示了一張“貓伸出爪子要把玻璃杯推向桌子邊緣”的照片，來幫助觀眾理解何為“空間智能”——人類大腦通常這一瞬間可以評估玻璃杯的幾何形狀、玻璃杯在真實三維世界中的位置、杯子與桌子、貓和其他物體的關係，並且可以預測接下來會發生什麼，採取行動。

到目前為止，人類都是通過各種傳感器來建立“空間智能”的，包括雷達傳感器、重力傳感器、光線傳感器、速度傳感器等的組合，如果走向“純視覺”，其帶來的變化將是革命性的。

從公開資料來看，李飛飛團隊當前聚焦於“具身智能”，研究將AI大模型接入機器人，無需額外數據和訓練，即可把複雜指令轉化成具體行動規劃，這一點將顛覆波士頓動力等的智能機器人路線，它們都使用了大量的智能傳感器來幫助獲得空間信息。

中美的“兩條”數智化路線

此前，中國的數智經濟領跑全球，走了與美國完全不同的路線。

中國是基於“5G+傳感器+自動化AI”打造數智經濟，“自動化AI”更多追求AI的可解釋性、魯棒性，基於邏輯推理進行編程來創造AI，而不依賴於大量數據訓練和自學習的方式。

可解釋AI的優點，是不會像AI大模型一樣出現“幻覺”。所以，它更適合在高精密的工業、航天等領域進行應用，且三維世界的空間信息是通過各種模態的智能傳感器來獲得，可靠性也非常高，但是成本也高。

但李飛飛的純視覺“空間智能”方法，將可以繞過“多模態的智能傳感器”獲得空間信息，其實這和我們人的智能機制就非常像，人僅僅通過視覺觀察和簡單推理就可以捕獲絕大部分的空間信息，是不需要空間傳感器來獲得信息的。

所以，給物理空間中增加很多感知單元，對於AI來講可能是一種冗餘和增加成本的設計，而“空間智能”這種純視覺的方式，就非常適合高經濟性的日常生活中場景使用，比如自動駕駛、家用機器人，我們看特斯拉自動駕駛就是純視覺的方向，它的經濟性就非常好，避免了激光雷達、超聲波雷達、毫米波雷達等的成本。

對於中美這兩條數智化路線的區別，我可以再舉一個例子：

數智時代，為了獲得土壤的温度、濕度信息，人們將需要在土壤中植入温度、深度“傳感器”，但其實人類還有另一套方法，就是可以通過純視覺AI來觀察地表上的“雨、雪、風、霜、露、蟲、鳥、植被”等各種自然信息，來大致判斷出土壤的温度和濕度，就像諸葛亮一樣，只要仰觀天文、俯察地理，就能推理獲得很多氣象信息。

所以，如果做一個比喻的話，李飛飛想要做的純視覺“空間智能”，就是想要打造很多個“諸葛亮”，讓這些“諸葛亮”去觀察和推理空間信息，而不用很多個傳感器和空間數智基礎設施的組合來收集信息。

這樣做的優點很明顯，就是“空間智能”的適應性、靈活性會非常強，經濟性也會非常好，它不需要額外的空間基礎設施的配合，它的數智化能力完全取決於自身，而不依賴於它周邊的數智基礎設施和各種傳感器。

這讓我聯想到了中國各大城市都在規劃的龐大的數智基礎設施建設，中國到處都可見“智能社會”的影子。舉一個例子，很多專家在城市的自動駕駛方面，鼓動地方政府進行“人-車-路-雲-網”協同的全面數智基礎設施建設，這背後將是一筆筆非常巨大的投資，而這些投資是必要的嗎？

這種“激進數智化”，本質上就是一種“數智烏托邦”思維，將來可能帶來嚴重的“債務陷阱”。

事實上，如果李飛飛的“空間智能”方向成立，自動駕駛將不可以需要“人-車-路-雲-網”的協同，這在未來極有可能是一種“高成本、反效率、反市場”的設計。

人類發展數智化，應該有一個基本的前提——就是它要擁有效率優勢、成本優勢、高可靠性和高容錯性，數智化應該以一種“低成本”“非冗餘”“高容錯”的方式進行推進，而不是像發展房地產一樣先不斷堆砌基礎設施，搞“三平一通”。

結語

中國基於5G/6G“感知智能”的數智化航線要堅定的走下去，因為它非常適用於高精度、海量的工業設備場景，但美國純視覺的“空間智能”數智化航線也有其場景價值，它們在經濟性和靈活性方面更勝一籌。

作為《數智經濟》的作者，我謹慎地提醒那些秉持“數智基建大躍進”思維的專家，人類的數智化航線還不甚清晰，中美兩條發展路線各有優劣，未來還將會面臨適應性抉擇，在這一個過程中，將需要面對各種“暗礁險灘”，而現在就把錢都花出去造了一條“豪華巨輪”，後面如果這條航道走不下去、想改變航道，老百姓還能付得起拆掉“豪華巨輪”的成本嗎？