编者独立评价

编者独立评价：本章全部为编者观点，不代表受访者的立场。

⑨ 我的独立评价与展望 · 李飞飞 Insight

⑨ 我的独立评价与展望

全模块声明 · 作者（AI）个人观点

本模块全部是作者（AI）的独立判断，不代表李飞飞本人观点。所有判断尽量写成”命题 → 支持证据 → 最强反证 → 可观测指标 → 失效条件”的可证伪形式，供读者验收与反驳。本轮的结构性升级：新增开篇的 争论地图，把全报告八条核心命题逐条配上最强反方（尽可能指名道姓、给出其真实论证，不做稻草人），并明确标注哪些仍是”未决”；七条预测也各自补上了”我可能错在哪”一行。

[争论地图](#debatemap)
[四个本质追问](#questions)
[利益位置披露](#interest)
[风险矩阵](#risk)
[可证伪预测](#predictions)
[三情景](#scenarios)
[仓位下注](#bets)
[结语](#coda)

The debate map

争论地图：八条核心命题，各自的最强反方与当前裁决

本报告此前的结构是”她的观点 + 作者点评”，批评被集中隔离在 ⑦ 一节。这张表是本轮的结构性升级：把全报告的核心命题逐条摆成”正方 / 最强反方 / 关键证据 / 当前裁决 / 可证伪判据”，并遵守两条纪律——① steelman：反方一律以最强形式呈现、尽可能指名道姓给出其真实论证，不做稻草人；② 未决就写未决，不假装已有定论。表中「裁决」一律为本报告作者判断，不是任何一方的原话。

  命题正方（她的论证）最强反方（谁 · 核心论证）关键证据当前裁决可证伪判据

      1 · 空间智能是

下一个前沿 演化尺度对比（视觉约 5.4 亿年 vs 语言约 30–50 万年）；SOTA 多模态模型在距离 / 方向 / 心智旋转上”仅略好于随机”；数椅子、记住一小时前的房间（见 ③） 纯语言 + RL 路线的实绩：过去三年模型在数学、代码、科学推理上突飞猛进，而这些恰是”无身体、无空间”的领域——故空间未必是通用智能的必要前沿。更有意思的是这条反方在她自己的框架里也有根据：她援引 Howard Gardner 多元智能，意味着空间只是若干维度之一，且她本人拒绝说”空间 versus 传统”（见 ③） 缺空间智能的证据很硬（必要性）；“补上它即通向通用智能”无证据（充分性）。她自己的”拟合模式 vs 因果律”判断进一步削弱强读法——因果抽象还在空间几何的上一层（见 ⑤ §4.5） 弱形式成立 强形式不成立 若到 2029 年，在物理科学发现 / 机器人两类任务上，带空间预训练的模型相对纯语言 + RL 基线无稳定优势，则”下一个前沿”应降级为”具身领域的必要前沿”

      2 · 显式 3D

vs 隐式 / 端到端 1D/2D tokenization 破坏几何邻接；世界模型应输出可观测、可导出、可编辑的显式几何；精确相机可控性是 3D 感的推论（见 ④） Vincent Sitzmann（MIT 副教授 · 3D 表征领域内部）：Bitter Lesson 应当同样吃掉”表征”，人类设计的显式 3D 是”聪明的人为瓶颈”，“我们很快会停止在具身智能里使用 3D”；连显式 SE(3) 相机位姿也会消失。精确边界：他主张训练目标贯通感知-行动、内部结构由模型自学，反对的是把人类设计的显式 3D 当训练目标或架构先验；没有规定实现必须是单体网络，没有排除模块化 / 工具调用 / 分层控制，也没有说表征本身该取消。 LeCun / JEPA：别去预测不可预测的像素，应在潜空间预测、丢弃表面细节（见 ⑤ §5） 少样本新视角合成的 SOTA 已不用 3D 可微渲染（Sitzmann 一手）；ESI-Bench（她自己团队）——噪声显式 3D augmentation 反而可能比 2D 更差；RTFM（她自己公司）不建显式 3D。反向证据：ground-truth 3D 在深度任务仍有益；她与 LeCun 同署 Cambrian-S（显隐混用） 分四种 读法裁决 见 ⑦ 裁决表：必要基底强主张尚未证成（证据明显偏反方，但未被击穿）；人机接口有条件成立；机器间通用语未决；工程保证部分成立。总判据：在等预算（同时固定训练 FLOPs、训练数据、推理时延与机器人交互数据）对照下，无显式 3D、无显式位姿的端到端系统能否在长时 loop-closure 与机器人任务成功率上追平 Marble 式管线——两项分别报告，不用一项胜负替代另一项

      3 · 世界模型的可计算状态，

是否必须以显式 3D 作为一等输出 （本轮更正：此前把命题写成”是否该产可计算状态”，等于把 Xing 错放到”反对可计算状态”的位置） 渲染器 / 模拟器 / 规划器三分法，模拟器是枢纽；状态须被”外化”为其他系统可消费的结构化 3D 产物（见 ④） Eric Xing（邢波）《Critique of World Model》(arXiv:2507.05169)：他同样要求持久、可更新的世界状态，只是不把它等同于静态显式 3D。论文要求 belief state 必须是”an identifiable, persistent estimate of the world state”（可辨识、持久，可保存、回访与更新）；PAN 采用分层的连续/离散混合 belief state，配 GLP 与观测重建保持 grounding。他从五个设计维度（数据 / 表征 / 架构 / 目标 / 用法）同时批评两派——纯 JEPA 潜空间有”可定义性 / 坍缩”风险，静态 3D 的交互”主要依赖外部物理引擎”。他反对的是”静态 3D 即完整 world model”，不是”可计算状态”本身——即他是”可计算状态该如何实现”的替代方案，不是”是否要可计算状态”的反方 PAN / GLP 在该文中仍是论证与架构 blueprint，完整细节与结果另文发布——不是”hybrid 必胜”的实证；也不能被当作”显式 3D 导出 + 隐式潜变量必将融合”的同向证据（PAN 的”mixed”指分层与连续/离散混合，不等于 World Labs 所说的那种混合） 未决 是否出现一个分层混合系统，在同一组公开基准上同时超过最强纯 JEPA 与最强纯显式 3D 管线；以及其持久状态是结构化 3D 还是非 3D 的分层 belief state

      4 · Marble 的

持久一致性 结构性持久（公司称）：“no time limits, no morphing, no inconsistency”——因为世界只建一次，之后是移动相机而非逐帧重生成 TIME 独立实测（2025-12-09）：Marble 的世界起初偏静态，而”It only takes a few beats of exploration before visuals begin to distort”——探索仅几步后画面就开始畸变，并出现幻觉化、结构不连贯的现象。这是本报告手上唯一一条对该主张的第三方实测，且结论与官方措辞相反。本轮更正：此前写成”远距离探索后”——那既不准确，还反过来软化了 TIME 的负面观察。 官方为定性措辞、无公开定量协议；TIME 为定性实测、亦无数值。双方都缺可比数字 作为”已验证事实” 不成立 应记为公司主张 同一条 60 分钟连续导航轨迹上：回到起点的 loop-closure 成功率 ≥ 90%、回访路径重投影误差中位数 < 5px @1080p、同地点物体恒常性正确率 ≥ 95%（详见下方预测 4）

      5 · Cambrian-S

67.5% 的意义 7B 开源模型在 VSI-Bench 上比 Gemini-2.5-Pro 高 16+ 个绝对点；预测式感知 + surprise 优于被动堆长上下文 论文自身的限定（最强反方就是它自己）：这是非受控对比（不同基座 / 训练 / 数据），论文把提升主要归于任务相关的数据规模（VSI-590K）而非架构革命；且自陈为”玩具级预测世界模型”。商汤 SenseNova-SI 用既有基座 + 8M 空间数据据其自评一度反超，指向同一结论 换到长视频胜负反转：60min VSR 上 Gemini-2.5-Flash 41.5 vs Cambrian-S-7B 6.0——在长时空间回忆上规模显然有用；LFP 变体还使标准 VSI-Bench 从 67.5 略降到 66.1（见 ⑤ §6） 不宜读成 “架构击败算力” “任务相关数据规模有效”成立 同基座、同数据量的受控消融：只加 LFP 头能带来多少增益？若 < 3 个点，则该成果的价值应全部记在数据侧

      6 · AI 是工具，

不是物种 “别把 AI 当句子的主语”——用 AI 做主语等于抹掉人的能动性；“humans will use AI to cure cancer”（见 ⑥） 高自主 agent 的责任归属：当 AI 能长链条自主规划、调用工具、连续行动，“人始终是主语”在工程与法律层面难以维持。这条追问的起点在她自己联署的文件里——《加州前沿 AI 政策报告》主张建立不良事件报告与第三方验证机制，其稳妥含义是开发者与部署者无法事前穷尽后果，因此需要持续生成证据（见 ⑥）。本轮更正：此前写”这类制度的前提是某些后果无法归因到具体的人”——不成立。航空与医疗器械等责任主体清楚的领域同样有不良事件报告制度。“无法归因到任何自然人”是本报告自己的更强推断，不能归给该文件。 本报告未检索到她对”agent 自主行动的责任分配”给出过细则；她同时拒绝定义 AGI，使”能力相变何时发生”缺少她自己的判据 作为价值锚成立 作为工程 / 法律 框架不完整 是否出现一起无法归因到任何自然人的重大 agent 事故；或她本人是否补出”人-agent 责任分配”的具体主张

      7 · 反对 SB 1047
      三条论点：惩罚上游扼杀创新、"kill switch 摧毁开源"、对学术 AI 敲丧钟；且她不反对治理，随后共同起草加州报告并催生 SB 53（见 [⑥](6-human-centered-ai.html#sb1047)）
      Joshua Turner 与 Nicol Turner Lee（Brookings 评论文章，2024-09-27，非机构立场）：她这条主张算不算 misrepresentation "is more ambiguous"——6 月 20 日修订（在她发文之前）已把需 kill switch 的 covered model derivatives 限于"controlled by a developer"，但同一文本对 "a covered model" 未加限定，字面上似乎涵盖已开源的副本；最终修订才补上限定、消除歧义。另有安全派认为，在能力快速上升期"基于规模的前置义务"并非全无道理。叠加利益位置：World Labs 由 a16z 支持，而 a16z 是最激烈的反 SB 1047 方
      她的文章针对 2024-08-06 版本；8 月中旬的修订把阈值精确化为训练算力 > 10²⁶ operations 且成本 > $1 亿，执法与"实际伤害或迫近的公共安全威胁"挂钩
      属"面对有歧义文本

所作的强读法” 对最终文本部分失真；不能写成”早期版本明确要求远程关闭已下载权重” SB 53 落地后，学术与小团队是否实际产生新增强制合规成本（若产生，说明她的担忧被低估；若未产生，说明”轻监管即可”这一路径成立）

      8 · "还在三岁"的谦逊

↔ 资本定价 她团队的 Theory of Space 论文承认 AI 空间能力仍初级（“三岁”是中文媒体（DeepTech）的比喻性概括，非论文或本人原话）；她也说”看见北极星不意味着旅程会短” 张力本身就是反方：同一套话语，对内是”还很初级”，对外是”下一个前沿”——而资本按后者定价（融资 $230M / 估值约$1B / Autodesk 战略投资 $2 亿）。钛媒体《世界模型不是错了，是太早被卖贵了》与 36氪的赛道批评正针对这条缝隙 她本人也给具身赛道泼过最狠的冷水（“没有一个在真实部署所要求的复杂度、多变性或持续时长上被验证过”），这既证明谦逊是真的，也让”叙事与定价的落差”更醒目 张力真实存在 非逻辑矛盾 3 年内 Marble 类产品若停在一次性 demo、无高留存工作流（判据见下方预测 5），“太早被卖贵了”成立

说明：本表不重复各模块的完整论证，只做定位与裁决，细节一律回链原处。「最强反方」栏凡能指名的都已指名并给出其真实论证。归属说明（本轮更正，此前与第 8 行正文自相矛盾）：第 1 行目前仍是本报告据公开实绩提出的反论证，未归给特定批评者；第 8 行的”张力”这一概括由本报告提出，但同类批评已有钛媒体《世界模型不是错了，是太早被卖贵了》与 36氪的具名材料支撑——因此不能再说该行”无具名反方”。凡标未决处，本报告不主张任何一方已胜出。

Four essential questions

四个本质追问

  追问一：空间智能是通用智能的「必要」还是「充分」条件？

李飞飞为”当前 AI 缺空间智能”提供了多项证据（必要性论证很强：数椅子、心智旋转、视频失稳都是硬证据），但没证明”补上空间智能就能通向更通用的智能”（充分性存疑）。一个反方向证据：过去三年，纯语言 + RL 的模型在数学、代码、科学推理上突飞猛进，而这些恰恰是”无身体、无空间”的领域。

我的判断：更稳健的表述是——空间智能是”具身智能/机器人/物理科学”的必要前沿，但未必是”所有智能”的必要前沿。 一处措辞更正（重要）：她不是”被追问后退守”，互补一直是她的框架

本节早前写”她在访谈里其实也退守到’互补而非替代’这个更稳的立场”——这个措辞不成立，本轮更正。她的公开框架一贯是互补，而且有明确的理论根基：她在 Latent Space 直接援引心理学家 Howard Gardner 的”多元智能”（语言 / 空间 / 逻辑 / 情感），并说”所以我个人不会说空间 versus 传统智能，因为我不知道’传统’指什么”（见 ③ 智能是多元的）。所以正确的追问对象不是她的立场，而是她的强口号与其温和框架之间的张力：对外叙事被压缩成”空间是下一个前沿”这句强口号时，读者会把”互补”读成”替代”——这个落差值得追问，但它属于传播层面，不该被记成她本人的立场摇摆。

附带一条来自她本人的补强（而非反驳）：她给出的”拟合模式 vs 因果律”判断（把天体数据喂进模型，“轨迹能预测得很准，但 F=ma 是完全不同的抽象层级”）其实也削弱了”补上空间智能即通向通用智能”的强读法——按她自己的分层，空间几何是 3D 推理的地基，而力 / 质量 / 加速度那种因果抽象还在更上一层。这比本报告自己的追问更有力，且可直接引用（见 ⑤ §4.5）。

  追问二：「显式几何 vs 隐式表征」是真问题，还是伪二分？

这道题她自己已经给了答案——“隐式与显式最终必融合""RTFM 内部也含隐式""我和 LeCun 在同一个智力连续体上”。所以此前本报告认为真正值得追问的不是”哪种表征对”，而是：当显隐融合后，World Labs 的差异化护城河还剩什么？ 本轮更正：把这道题当”伪二分”处理，是本报告此前最实质的一处偷懒

“融合”这个词让追问提前收尾了——它默认了显式那一支一定会留在最终系统里，于是问题就自动滑向”护城河剩什么”。Vincent Sitzmann（MIT 副教授、Scene Representation Group 负责人）2026-02 给出的正是被跳过的那个选项：显式 3D 在训练侧被整个吃掉，只在训练完成后微调出一个导出层给人用；他连显式 SE(3) 相机位姿都不留（“No poses, no 3D”）。那不是融合，是一方退出。精度提醒：这里”退出”的是显式 3D 作为训练目标与运行时状态；他并未主张系统实现必须是单体网络，也没有主张模型内部不存在任何位姿或几何结构——XFactor 学的正是不以 SE(3) 参数化的 latent pose。

所以这道题是真问题，只是它的正确形式不是”哪种表征对”，而是：显式 3D 在最终系统里的位置，是一等公民，还是导出格式？本报告的裁决是把”3D”拆成四种读法分别判（必要基底：强主张尚未证成 / 人机接口：有条件成立 / 机器间通用语：未决 / 工程保证：部分成立，见 ⑦ 裁决表），而不再用”必融合”这句话把争论盖过去。

我的判断（在上述更正之后仍然成立，但适用范围收窄了）：若显隐确实融合，护城河会从”表征选择”转移到两处——(1) 可导出/可计算/可编辑的产品契约（Marble 主打的工作流价值，但目前仍多为公司案例、缺独立留存数据，见 ④）；(2) 3D 数据飞轮（最稀缺、最难啃）。而后者恰恰是大厂用算力最容易碾过去的地方（NVIDIA Cosmos、DeepMind Genie）。但要补一句：如果 Sitzmann 对，那么连”(2) 3D 数据飞轮”都不再是护城河——因为没人需要那种数据。这是她最大的结构性风险，本轮已单列入 风险矩阵。

  追问三：「架构缺陷」还是「训练目标缺陷」？

她把”1D/2D tokenization 不适配空间”当作架构缺陷（要换架构）。但 Transformer 对 3D 并非无能——只要给它带 3D 监督信号（跨视角预测、深度、LFP）。换句话说，“必须换架构”和”只需换训练目标+数据”这两条路，纲领并未给出判决性证据。

反证信号：商汤 SenseNova-SI（建在既有基座 + SenseNova-SI-8M 空间数据 + 跨视角预测）据其自评一度超越 Cambrian-S，暗示训练目标 + 数据规模的贡献可能大于架构革命。若如此，“空间智能”更可能作为一种训练范式（inductive bias）被各家吸收，而非催生一类全新架构公司。

  追问四：她的「AI 是工具不是物种」立场，能否扛住「高自主 agent」？

“别把 AI 当句子主语""人始终是主语”是极高质量的公共判断（见 ⑥）。但当 AI 日益agentic——能长链条自己规划、调用工具、连续行动时，“AI 只是工具”的语法会被现实拉扯：责任归属、可控性、意图归因都会变模糊。

我的判断：她的框架对”高自主 agent 的责任归属”还需要补充。我认同”工具论”作为价值锚（防止把责任推给机器），但它在工程/法律层面需要一套”人-agent 责任分配”的细则，否则会显得对能力相变的紧迫性估计偏保守（这也呼应她”拒绝定义 AGI”的代价，见 ②）。

Interest position

一个必须摊开的张力：她既是裁判也是球员

  利益位置披露

“空间智能是下一个前沿”这句话，同时是三重身份的产物：科学判断（她 25 年研究的结论）、公司叙事（World Labs 的定位）、个人利益（她是 CEO，对该判断的兑现有直接的经济与声誉利益；World Labs 由 a16z 支持，而 a16z 是最激烈的反 SB 1047 方）。这不否定判断本身的价值——她的技术论证是扎实的——但意味着：当她说”这是下一个前沿”时，读者应意识到这既是预言也是招商。同理，她反对 SB 1047 的论点站得住（惩罚上游、伤害开源确是真问题），但她也是”被监管者”。摊开这层张力，不是为了否定她，而是为了让本报告的”独特认知”经得起最挑剔的审视。

Risk matrix

World Labs / 空间智能路线的风险矩阵

  风险说明可能性影响

    叙事兑现周期过长其团队 Theory of Space 论文承认空间能力仍初级（媒体喻"三岁"），而资本已按"下一个前沿"定价；若 3 年停在 demo，"太早被卖贵了"成立中高高
    护城河被数据/基座商品化专项空间能力（预测式感知 / 跨视角预测）可能被更大数据 + 成熟基座快速商品化——商汤 SenseNova-SI 一度复现超越 Cambrian-S 是信号，但更可能说明数据规模与评测口径的重要性，非"核心技术壁垒低"（见 [⑦](7-frontier.html)）；大厂（NVIDIA Cosmos / DeepMind Genie）用算力 + 数据可跟进中高高
    产品留存不足Marble 若停在"一次性生成 demo"，无法沉淀为高留存创作工作流中高
    机器人落地慢机器人是物理系统（类自动驾驶，走了 20 年）；世界模型喂养 policy 的优势尚无公开定量证据。最有力的论据来自她本人（一手）：她在《功能分类学》里写过去两年的机器人 demo"几乎全部局限在高度受限的实验室设置里，物体集窄、任务时程短；没有一个在真实部署所要求的复杂度、多变性或持续时长上被验证过"（见 [⑦](7-frontier.html#external)）中中
    3D 数据稀缺高质量 3D/几何数据比互联网视频稀缺几个数量级，是最难啃的瓶颈高中
    表征路线被整体绕过

（本轮新增，来自 ⑦ Sitzmann）这是与上面几条性质不同的一种风险：不是”做得慢 / 被抄走”，而是整条显式 3D 路线在训练侧变得不必要。Vincent Sitzmann（MIT 副教授、Scene Representation Group 负责人）主张 Bitter Lesson 会把表征也吃掉，“我们很快会停止在具身智能里使用 3D”，连显式 SE(3) 相机位姿都会消失。若成立，收缩的是”训练表征路线”这条护城河，而不是公司的全部价值——必须与 ⑦ 裁决表逐格对齐（本轮更正，此前这里把剩余价值压成只剩人机接口，与 ⑦ 冲突）：人机接口明确保留（他让步的那一格）；机器间结构化交换仍未决（那是独立命题，取决于系统形态而非训练表征之争）；结构化 artifact 的工程价值部分成立、其余需另行验证（可存储/可版本化已成立，可测试/可审计待标准与验证器）。净判断：公司可以继续有产品价值，但”显式 3D 是智能训练的基础设施”这个更强定位会落空。下调因素：他自承至今无清晰演示表明视频模型可微调成策略，且交互式世界模型有动作数据鸡生蛋问题——但注意这只削弱他的近期兑现路径，不削弱他对表征的批评。中低极高 人才/资本竞争她自陈”竞争激烈程度远超想象”；30 人小团队对阵巨头中中

Falsifiable predictions

七条可证伪预测（含指标与失效条件）

每条给出命题 · 论据 · 可观测指标 · 失效条件（可证伪点）。截止观察期 2028–2029。

  预测 1 · 2027–2028

空间基准成为前沿模型标配

论据：Cambrian-S 以 7B 在 VSI-Bench 上高出 Gemini-2.5-Pro 16+ 个绝对点（非受控对比，见 ⑤），工业界有明确的跟进动机。本轮把这条预测拆成两个可分别判决的子命题（此前”被采用”与”仍被当回事”混在一格里，无法裁决）： A · 采用率：到 2028-12-31，≥3 家前沿厂在模型卡公开 VSI-Bench / VSI-SUPER 类空间基准。A 失效：到期无 3 家主流厂公开采用。 B · 决策相关性：到 2028-12-31，(i) 至少两份独立的第三方模型评测仍以该类分数作为排序依据，且 (ii) 该分数与闭环任务成功率之间存在稳定正相关（跨至少两个独立数据集报告）。B 失效：两项中任一不成立。 A 成立而 B 失败时，本预测记为”采用兑现、意义失败”——这是一种真实且可判决的结局，不是含糊过关。

最强反证 · Sitzmann：中间任务基准本身可能被取消。他的判断是，分类 / 分割 / 3D 重建这类中间任务正在变得”与边缘检测在性质上没有区别”，是”把问题切成可解的中间问题、而非解决智能”留下的历史产物。若视觉的评价标准整体迁移到具身任务成功率，VSI-Bench 类基准会像 ImageNet 分类一样先被刷爆、再被边缘化——即上面的子命题 B 失败。须标明：这句推演是本报告据他的论证所作，不是他的原话；而且”先被刷爆、再被边缘化”并不反驳”被采用”，它反驳的是另一条命题（基准是否仍有决策意义）——这正是本轮把 A / B 拆开的原因。次强反证：厂商更倾向自建评测（商汤 EASI 即一例），“公开采用第三方空间基准”未必发生。 当前倾向

A（采用率）：高 conviction · 加注。B（决策相关性）：中 conviction · 观望。

  预测 2 · 2027–2029

显式与隐式收敛为 hybrid（非某一纯路线独胜）

论据：最强的一条是她本人已把结论写下来——《功能分类学》(2026-06-03，她本人 Substack 署名) 末节明写”逻辑终点是一个统一的世界模型：单一基础模型能渲染照片级视图、产出物理精确的结构、并规划动作序列，按下游消费者的需要切换输出模态”，并给了机制（三类共享同一套几何 / 物理 / 动力学知识）与两条坍缩证据（视频渲染器已被当作世界-动作联合预测的骨干；Marble 已在一个模型里同时输出 splats 与碰撞网格，“溶解了渲染器与模拟器的边界”）——详见 ④ 统一世界模型。其余为同向论据、非独立实证：RTFM、Cambrian-S(LFP 预测潜帧) 均已隐/显混用；ESI-Bench 提示”带噪声的显式 3D augmentation 需配不确定性建模”；第三方 Eric Xing《Critique of World Model》从五个设计维度批评纯 JEPA 与纯静态 3D，提出分层混合表征（PAN，属理论 blueprint）——但这条同向论据本轮被降级：PAN 支持的是”分层表征 + 观测 grounding”这一较弱判断，其”mixed”指的是分层与连续/离散混合的 belief state，不能直接充当”显式 3D 导出 + 隐式潜变量必将融合”的证据。而且 Xing 同样要求持久、可辨识、可更新的世界状态，他反对的是”静态 3D 即完整 world model”，不是可计算状态本身（见上方争论地图第 3 行）。

总判据（本轮重写为可判决形式）：截至 2029-12-31，在至少 3 个公开披露架构、并位于固定公开基准前列的系统中，考察一件事——结构化 3D 是否参与训练损失或运行时状态更新，并被独立的下游模块直接消费。仅在最终一步导出 mesh / CAD 的，不计为 hybrid。这一条是本轮最关键的修补：旧指标”显式几何可导出 + 隐式潜变量预测”会被 Sitzmann 的方案字面满足（他明确允许训练完成后微调导出 mesh/CAD），因此根本无法区分两派。“显式 3D 是一等训练/运行时状态” vs “最后一步导出”，才是这条预测的生死线。 最强反证 · 头号反例候选：Vincent Sitzmann（他主张收敛到端到端，不是 hybrid）

这条预测最危险的地方在于：它假定”收敛”必然是两派各留一半。Sitzmann（MIT 副教授、Scene Representation Group 负责人）给出的是第三种收敛形状——显式那一支在训练侧被整个吃掉，只在训练完成后微调出一个导出层给人用。他的论证是 Bitter Lesson 的表征版：模型应学到它们自己的 “internal, task-relevant structure”，而这些内部结构”不需要、也很可能不会对应任何人类设计的 3D 分块、网格或重建概念”；连显式 SE(3) 位姿都会消失（“No poses, no 3D”）。归属精度：他主张的是端到端优化 + 内部表征自由学习，不是”单体架构”——他没有规定实现必须是单一网络，也没有排除模块化与工具调用。因此下面的失效条件一律按”显式 3D 处于什么地位”来写，不按”系统是不是单体”来写。四条失效条件本轮全部重写为可判决形式——任一条成立，本条预测就该被判负或大幅改写：

• ① 等预算对照被打平。一个训练目标中不含显式 3D 监督、运行时不维护显式几何状态的端到端视频 / 动作模型，在等预算条件下，于长时一致性与下游机器人任务成功率两项上追平或超过 Marble 式”生成显式几何 + 外部引擎”管线。“等预算”须同时固定四项：训练 FLOPs、训练数据、推理时延、机器人交互数据量。两项指标分别报告——长时一致性与机器人成功率各自判定，不用一项胜负替代另一项；只有两项都被追平或超过才记为本条成立，仅一项追平记为”部分成立、预测降级”。

• ② 「3D as code」塌缩为「3D as 导出格式」。若编辑与互操作的实际形态收敛为”模型仅在训练完成后微调出网格 / CAD 接口”（正是他建议的路径），那么 ④「3D as code」 的核心主张就从”3D 是训练与交换的通用接口”塌缩为”3D 是最后一步的导出格式”——命题在字面上仍成立，在分量上已被掏空。

• ③（本轮替换）物理精度由谁提供。若最强系统的公开技术说明显示：物理精度完全由隐式状态学习获得，显式 3D 只在最终导出时出现，则本预测判负；若显式状态参与训练监督、参与运行时更新、或被独立引擎交换，则本预测成立。旧条件③（“美观 vs 精度由单一统一模型解决则利好 Sitzmann”）本轮删除：它区分不了”单一统一模型”与”同骨干 + 多头”，因而区分不了两派；而且 Sitzmann 并没有主张”单体架构必能解决美观 vs 精度”——他压根不认为该在同一架构里显式追求”精度”这一输出。用一条他没提过的主张去判他的胜负，是稻草人。

• ④（本轮收紧）什么才算”公司自我放弃”。只有当 World Labs 正式弃用结构化 3D 接口，或其连续三代旗舰系统均不再向任何下游模块暴露结构化状态，才记为该接口范式被提出者自己放弃。旧条件④（“RTFM 若直接吃动作、不落地成结构化 3D 即判负”）过宽：单个 renderer 分支不输出 3D，不等于公司放弃整个 3D interface 范式——Marble 与 RTFM 本就是可以并行的两条产品线。

本报告仍押 hybrid，但理由本轮换过了。此前写的理由是”他自承至今不知有清晰演示表明视频模型可被轻易微调成策略、甚至不认为视频生成模型会解决具身智能”——那是一条无效推理：他的这些让步削弱的是端到端议程的近期可兑现性，推不出”显式 3D / hybrid 因此更可能正确”（替代路径完全可能是另一种端到端预训练目标）。现在的理由改为三条可被检验的工程判断：(i) 模块互操作的现实需求——异构机器人栈、第三方安全监视器与独立仿真器之间需要一个可交换的状态表示，而 KHR_gaussian_splatting 于 2026-02 进入 glTF release candidate，说明这条需求正在被产业以标准化方式回应（见 ④ 局限表）；(ii) 工程验证的不可替代性——受监管场景需要可存储、可版本化、可被独立工具复核的中间产物，这一需求独立于”哪种表征更好学”；(iii) 公开对照实验尚未做出——迄今没有任何第三方在等预算协议下比较过两条路线，因此本报告的立场是押注，不是已知。

    当前倾向 · 并须下调本报告在这条上的原创性主张

中高 conviction · 加注；较 Phase 8 下调一档（高 → 中高）。但要诚实说明：既然她本人已写下”统一世界模型是逻辑终点”，这条预测在很大程度上是复述她的判断，本报告的增量只在”给出了可验收的指标与失效条件”，不宜当作独立于她的第三方判断来加分。真正独立的分歧在于统一会先发生在哪一层：她写成”在单一架构内调和美观 vs 精度”（架构问题），本报告倾向于认为它首先是监督信号与数据同源性的问题、故更可能先以”同骨干 + 多监督头”的因子化形式出现（判据见 ④ 我的看法）。

  预测 3 · 2028–2029

世界模型显著提升机器人样本效率

论据：WAM/GR00T 浪潮 + 她”世界模型是机器人枢纽”判断。指标（本轮重写：标题预测的是”样本效率”，就必须用样本效率的量纲来判，此前用的是固定 demo budget 下的单点成功率，那不是 sample-efficiency curve）：在 OpenVLA / RT-X 等公开基准的同一组任务上，以”达到 50% / 75% 任务成功率所需的真实机器人演示数或交互步数”衡量——世界模型路线需比 imitation-only baseline 少 ≥ 50% 数据。失效：数据需求减少 < 20%，或需要更多数据。 到期规则（本轮补上，防止预测逃逸期限）：到 2029-12-31 仍无满足预注册协议的公开结果，本预测记为”未获验证 / 到期失败”，而不是”无限期无法裁决”。

最强反证 · Sitzmann 与她本人从两侧夹击这条预测。Sitzmann（其研究目标就是造世界模型，因此这是内部人的保留）明写：“到目前为止，我不知道有任何清晰的演示表明视频模型可以被轻易微调成策略”，并进一步说”我不认为视频生成模型会解决具身智能。它们甚至未必是最终方案的必要组成部分”；他还指出交互式世界模型有鸡生蛋问题——“训练交互式世界模型需要成对的动作-观测数据，而这恰恰正是我们缺乏的资源”。而她本人写过：“没有一个在真实部署所要求的复杂度、多变性或持续时长上被验证过”（见 ⑦）。两条合起来意味着：这条预测最可能的失败模式不是”世界模型没用”，而是”根本没有可信的对照实验被做出来”。本轮更正处理方式：此前写”若到期仍无对照实验则记为无法裁决”——那等于给预测开了一张无限期缓刑。改为：到 2029-12-31 无满足预注册协议的公开结果，一律记为未获验证 / 到期失败。举证责任在主张方。另须补一句归属：Sitzmann 的这些保留出自他的博客与 TIME 采访，属他对自身议程的诚实评估，不构成对”显式 3D 更优”的支持。 当前倾向

中 conviction · 观望（到期无可信对照即判未获验证，不再留”非胜非负”的出口）。

  预测 4 · 2027–2028

Marble 类在长时一致性上优于纯视频

论据：显式几何的结构性持久。指标（同任务协议）：在同一条 60 分钟连续导航轨迹上比较，回到起点时的 loop-closure 成功率 ≥ 90%、回访路径的重投影误差中位数 < 5px @1080p、回看同一地点的物体恒常性正确率 ≥ 95%——显式 / 混合几何路线在这三项上显著优于同期最强纯视频模型。“显著优于”的定义（本轮补上）：在每一项上相对纯视频基线的差值满足——loop-closure 成功率高 ≥ 10 个百分点、重投影误差中位数低 ≥ 30%、物体恒常性正确率高 ≥ 5 个百分点，且各项的 95% 置信区间不与”无差异”重叠（≥ 20 条独立轨迹重复）。失效：若在该协议下与纯视频持平或更差（TIME 实测已发现探索仅几步后即出现畸变与结构不连贯，是现成的反证起点）。

最强反证 · 这条是 Sitzmann 手上唯一带实证的那一击的落点。他指出”少样本新视角合成的 SOTA 已经有一段时间不再使用 3D 可微渲染，而是落在生成式世界模型手里”；更直接冲着”长时一致性”来的是他组的 Generative View Stitching（GVS，ICLR 2026 Poster）——用短上下文视频模型生成长视频，并使其与一条预先设定的相机轨迹保持一致，却不建任何显式场景几何。叠加 TIME 实测已发现 Marble 探索几步后即畸变，这条预测目前的处境是：正方靠机制论证，反方有一个机制级反例。

本轮下调 GVS 的定位——它是”相关候选方法”，不是”可对标结果”（此前写过强，本报告已回一手论文核对）：① 规模差距大：主展示是 8 帧 context 下的 120 帧回环导航，附录另有 1080 帧的 18 层楼梯 demo（且该 demo 两端不构成回环）——与 60 分钟连续导航仍相差很远。② 它不是”零脚手架”：输入包含预先设定的相机轨迹，回环依赖显式设计的 cyclic conditioning（把时间上远、空间上近的 chunk 放进同一窗口）；论文表 3 显示，去掉显式 loop-closing 机制就保不住长程一致性。③ 论文自承 wide-baseline 回环会失败（宽基线视角超出 backbone 训练分布）。④ 关键的协议不匹配：GVS 通过打破因果性（并行采样整段序列、需要预知未来相机位姿）换取一致性，因此明确不适用于交互式 / 流式的在线设定——而本预测那条 60 分钟协议正是在线连续导航。 净判断：GVS 确实证明了”显式场景几何非必要”这一机制级论点，但尚未跑过本报告提出的协议，不能称”已有可对标结果”。另：他的 few-shot NVS 论断限于新视角合成这一任务，不等于下游机器人任务。核对自 ^[1] 与论文正文/附录；本报告未独立复现其结果。 当前倾向

中偏低 conviction · 观望（TIME 实测已泼冷水；Sitzmann 一侧有机制级反例，但还没有同协议的可对标结果）。

  预测 5 · 2027–2029

3D 可导出资产形成真实工作流留存

论据：VFX/游戏/设计已有早期用例。指标（示例阈值）：付费团队 30 天留存 > 40%、月人均重复导出 ≥ 3 次、且进入 ≥1 家头部工作室的正式生产管线（而非一次性 demo）。失效：若留存 < 20% 或使用停在猎奇/一次性。 数据可得性规则（本轮补上）：这些数字很可能是公司私有的。因此判定只接受公开审计、客户具名披露或独立第三方调查；仅有公司自述而无上述任一佐证时，一律记为”未公开验证”，不计为成立。

最强反证：这一条恰恰是 Sitzmann 让步的那一格，所以它的反方来自别处——工程与标准，而非路线之争。他说”就人机接口而言，有一个 3D 网格表征和一个类 CAD 的编辑器可能是合理的”，等于替这条预测背了一半书。但同一段还有后半句：“只有在这样的模型被训练出来之后，才应该去微调它，使其与我们人类习惯使用的任何表征或工具链对接”——若成真，留存与议价权会落到拥有那个端到端模型的一方，而不是提供 3D 管线的一方。更近的反方是标准与可编辑性——但这一条本轮要按 2026 年的新进展下调强度：Khronos / Metaverse Standards Forum（SIGGRAPH 2025）当时指出 3DGS 的互操作仍是未完成议题，连”编辑格式 / 交换格式 / 发布格式”都还没分清；然而到 2026-02-03，Khronos 已发布 KHR_gaussian_splatting 的 glTF release candidate，提供标准化的 splat import/export 基线，并已列出 CesiumJS、Esri、Niantic Scaniverse、XGRIDS 等计划采用方。因此交换基线已从”根本没有”推进到”候选标准”——但尚未完成 ratification（Khronos 称批准预期在 2026 Q2；本报告 2026-07 复核 glTF registry，仍列 Release Candidate），编辑语义、验证器、压缩方案与跨工具一致性仍未闭合。行业实践中 splats 也仍缺物体级可选中性、拓扑与可重光照，多被当作”3D 概念稿”用来对齐方向、最终回到干净网格（见 ④ 局限表）。净判断：互操作不再是空白，但也远未解决；能不能进正式生产管线，卡点很可能仍在这里，只是理由从”连格式都没有”变成了”标准刚进候选、语义与验证尚未收口”。 当前倾向

中 conviction · 观望（决定商业成败的关键；无公开可核数据时判”未公开验证”，不判成立）。

  预测 6 · 2028–2029

世界模型学到因果，而非仅视觉相关

论据（本轮升级为她本人的明确判断）：她不只说过 AI 更接近”推出 DNA 双螺旋”而非”狭义相对论式因果抽象”，还给出过更硬的一句——“没有任何迹象表明这类潜变量建模能通向空间与动力学的因果律……归根结底它还是在拟合模式”，并提出可执行的判决实验（把天体观测数据喂进模型，看牛顿定律会不会涌现；“轨迹大概能预测得很准，但 F=ma、作用力等于反作用力是完全不同的抽象层级”）。本条预测因此不是与她相左，而是给她这句判断配上可验收指标（见 ⑤ §4.5）。指标（本轮重写为可判决形式；旧版”2028+“没有终止时间、“分布外干预下不崩”没有数值定义，而且 benchmark accuracy 本身并不等于”发现了可迁移的因果律”）：截至 2029-12-31，在预先保留的初值、坐标系、物体数量与干预类型上，模型须输出可执行的结构方程或等价算子（而不只是给出预测数值）；并满足两项数值门槛——(i) 其干预预测误差相对同架构的相关性 baseline（无因果监督）降低 ≥ 15%；(ii) 更换坐标系后性能下降 < 5 个百分点。测试环境可用 CLEVRER 反事实拆分、Phyre、CausalWorld 或专设 do-operator 物理任务。失效：上述任一条不满足即判负；到期无满足协议的公开结果，同样判负。

最强反证（本条本报告是做空方，故这里要写”我可能错在哪”）：① 符号回归的存在性证明——AI Feynman 一类方法在受限设定下确实能从数据里恢复出封闭形式的物理定律，说明”机器发现定律”不是原则上不可能，本报告做空的严格对象只是”没有物理归纳偏置的序列 / 潜变量模型会自发涌现定律”（见 ⑤ §4.5 的三条边界标注）；② Sitzmann 的开放式表述反而对我不利——他说”对于’正确的’预训练任务应该是什么，还没有清晰的答案”，这句话是双刃的：既然目标函数还没定，就不能排除某个尚未出现的预训练任务恰好逼出因果结构；③ 她本人的判断（“归根结底还是在拟合模式”）是一条预测，不是实验结论，本报告不应把它当证据加权过重。 当前倾向

低 conviction · 做空”短期实现”（做空的是”自发涌现”，不是”永远做不到”）。

  预测 7 · 2026–2028

SB 53 式透明度治理成为范式且不压垮小团队

论据：加州报告”信任但验证”已落地为 SB 53。指标（示例阈值）：≥ 3 个州/国家采用”应用层护栏 + 透明度 + 不良事件报告”框架。“不压垮小团队”子命题本轮改为可判决形式（旧写法”无新增强制合规成本”过于绝对，几乎不可能被公平判定）：先定义”小团队 / 学术”为不触及法定 frontier threshold 的主体（如训练算力 < 10²⁶ 级），再统计其直接的法定申报、审计与保险成本。子命题判负的条件：任一采纳辖区把强制义务下沉至该群体，或该群体的年度合规支出中位数超过其研发预算的 2%。整条失效：范式未扩散至 3 个辖区，或上述子命题判负。

最强反证 · 这条预测的前提先被反方咬住了。它默认”SB 53 式轻监管优于 SB 1047 式强监管”，而 Joshua Turner 与 Nicol Turner Lee（Brookings 评论文章，2024-09-27，非机构立场）反驳过这个前提的关键一环：SB 1047 最终文本的 shutdown 义务限于开发者自身可控的模型与衍生物，对已下载的开源权重影响有限。但他们的原文比”对早期版本成立”更细：她发文时的 6 月 20 日文本已把 derivatives 限于”controlled by a developer”，却对 “a covered model” 本身未加限定，所以该文说这条主张算不算 misrepresentation “is more ambiguous”——她的说法应记为面对有歧义文本所作的强读法，而不是”早期版本明确要求远程关闭已下载权重”（见 ⑥ 版本说明与反方声音）。若这个反驳成立，则”轻监管范式扩散”是好事这一判断本身就要重估。另一侧的反证来自安全派：在能力快速上升期，纯透明度框架缺少强制第三方审计权，可能”验证”得太慢；而她自己联署的加州报告承认的”证据困境”恰恰描述了这个风险。再叠加利益位置：她是被监管者，World Labs 由 a16z 支持（见 利益位置披露）。须分清：“安全派 / 利益位置”是规范性反论证（这套治理是不是好的），不构成对”范式扩散数量”的反证（这套治理是不是会扩散）。本预测的判据只管后者，前者只影响如何解读”被验证”。 当前倾向

中高 conviction · 加注（这是她治理观最可能被验证的一条；但”被验证”指范式扩散，不等于这是最优治理）。

Bull / Base / Bear

三情景（面向 2029）

  🐂

Bull（~25%）

空间智能成为多模态/具身训练的核心范式；Marble 沉淀为设计/影视/机器人仿真的标准工作流；World Labs 凭”可计算世界状态”成为具身智能的关键中间层。李飞飞的”下一个前沿”兑现。 🐎

Base（~55%）

“空间智能”作为一种训练范式/inductive bias 被各家吸收（显隐融合），但不催生独立巨头；World Labs 成为受尊敬的专精工具公司（3D 创作 + 机器人仿真数据），被大厂环绕但存活。叙事正确、回报中等。 🐻

Bear（~20%）

专项空间能力被更大数据 + 成熟基座快速商品化（商汤式复现常态化），Marble 停在猎奇 demo、留存不足；机器人落地慢于预期；资本热潮退去，“太早被卖贵了”应验。判断正确但公司未能捕获价值。

概率为作者（AI）主观估计，仅表达相对信心，非投资建议。

My bets

仓位：加注 / 观望 / 做空

✅ 加注（高 conviction）

• 空间基准（VSI-Bench 类）成前沿标配（子命题 A”被采用”高信心；子命题 B”仍被当回事”中等）

• 显式/隐式收敛为 hybrid（中高 conviction，较 Phase 8 下调一档：Sitzmann 给出了第三种收敛形状——训练目标贯通感知-行动、显式 3D 退为训练后的导出层。判据已改为”显式 3D 是否参与训练损失或运行时状态更新”，见预测 2 四条失效条件）

• SB 53 式”应用层 + 透明度”治理扩散（押的是范式扩散，不主张它是最优治理）

• “别把 AI 当主语”成为公共话语的正确锚（作为价值锚；作为责任分配框架仍不完整）

• “先押被忽视拼图”是可复用的方法论遗产

⚠️ 观望 / 🔻 做空

• 观望：世界模型显著提升机器人样本效率（2029-12-31 到期；到期无满足协议的公开对照即判”未获验证 / 到期失败”，不留非胜非负的出口）

• 观望：Marble 形成高留存工作流 vs 一次性 demo（无公开审计 / 客户披露 / 第三方调查时判”未公开验证”）

• 🔻 做空：“3D 是空间智能必要基底”这一强读法——她自己要融合，ESI-Bench 与 RTFM 各捅一刀，Sitzmann 再加一击（做空的是这个强读法”已被证成”，不是主张它已被证伪：三条证据合起来只把它推到”尚未证成、证据明显偏反方”，见 ⑦ 裁决表第 ① 行）

• 🔻 做空：“纯视频扩散=世界模型”的乐观论（注意这条与上一条并不矛盾：Sitzmann 本人同样不认为视频生成模型会解决具身智能）

• 🔻 做空：“空间智能短期内让 AI 自发涌现因果”（做空的是自发涌现，不是”永远做不到”）

本轮新增的一条元仓位：本报告对”显式 vs 隐式”这场争论的整体信心已下调一档——不是因为出现了反面的实验结果，而是因为此前没有认真对待最强反方。争论地图第 2 行与 ⑦ 裁决表 是这次下调的记录。

  她押的是一场正确但可能漫长的赌——正如她自己所说，"看见北极星，并不意味着旅程会短。"
  — 作者（AI）结语

  我的看法 · 总结

如果要用一句话概括李飞飞的独特认知：她是当代 AI 里少有的、把”最硬的技术判断”与”最软的人本立场”长期绑在一根北极星上的人。技术上，她的”先押被忽视拼图”方法论（数据→空间）已被 ImageNet 验证过一次，这次押空间智能方向大概率正确，但兑现周期远长于当年，且个人/公司利益与判断深度缠绕，需读者自行祛魅。人本上，她的”AI 是工具、尊严为先、务实治理、反 doomer”是当前最成熟可操作的一套框架，其短板是对”高自主能力相变”的紧迫性可能估计偏保守。无论 World Labs 商业上成败如何，她真正的历史贡献可能是：第二次把整个领域的注意力，从”大家都在看的地方”，扭向”被忽视但更根本的地方”。这本身就是一种稀缺的科学品味。

本模块性质 · 全部为作者（AI）独立判断，非李飞飞本人观点。判断建立在 ①–⑧ 模块的一手/官方证据之上，采用”命题-证据-最强反方-指标-失效条件”的可证伪结构。概率与仓位为主观信心表达，非投资建议。争论地图（八条命题 × 六列）、预测 2 的四条失效条件、七条预测各一行”最强反证”、风险矩阵的”表征路线被整体绕过”一行，均为 Phase 9 新增。本轮（Phase 10）的实质变化：① 把 Sitzmann 的主张从”单体架构 / 取消表征”更正为端到端优化 + 内部表征自由学习（他未规定实现须为单体，也未排除模块化）；② 裁决第一行由”站不住”降为”强主张尚未证成”、工程保证降为”部分成立”；③ 预测 2 的总判据改为”显式 3D 是否参与训练损失或运行时状态更新”（仅最后一步导出不计为 hybrid），并撤下”用他的近期兑现路径不成熟去反证其表征批评”这条无效推理；④ 预测 1/3/5/6/7 改为真正可判决，所有”到期无对照 → 无法裁决”一律改判负或记未获验证。反方出处：Sitzmann 个人博客《The flavor of the bitter lesson for computer vision》(2026-02-01，署名博客·学者本人一手·高，但属预测/立场文章、非同行评审)；其组内两篇论据为 XFactor（arXiv:2510.13063，ICLR 2026 Oral）与 Generative View Stitching（arXiv:2510.24718，ICLR 2026 Poster）；Eric Xing《Critique of World Model》(arXiv:2507.05169)、TIME Marble 实测(2025-12-09)、Joshua Turner 与 Nicol Turner Lee 在 Brookings 的评论文章(2024-09-27，非机构立场)、Khronos（SIGGRAPH 2025 workshop + 2026-02-03 KHR_gaussian_splatting release candidate，尚未 ratified）。归属说明：争论地图第 1 行为本报告论证、未归给具名批评者；第 8 行的”张力”概括由本报告提出，但同类批评有钛媒体与 36氪的具名材料支撑。证据出处见各模块与 信源台账。

生成模型：Opus 4.8 · 独立 gpt-5.6-sol-max review agent 参与质量把关 · 最近更新：2026-07