AI时代独角兽常见，但世界模型领域仍有空白。
李飞飞的World Labs最有望成全球首个世界模型独角兽公司，其估值已破50亿美元且拟融资5亿，从10亿美元估值登场到50亿仅用16个月，远超OpenAI和Anthropic。
杨立昆2025年12月离开Meta，创立Advanced Machine Intelligence Labs ，总部巴黎，正以30 - 35亿欧元估值融资5亿。
两家高估值源于技术落地与商业化，非单纯技术吹捧。
World Labs投资方有Andreessen Horowitz、NEA、Radical Ventures（李飞飞为其科学合伙人）、英伟达风投、沙特Sanabil Investments、新加坡淡马锡。天使投资人有谷歌DeepMind首席科学家杰夫·迪恩与图灵奖得主杰弗里·辛顿。
World Labs核心技术理念“空间智能”是“升维”概念。当前顶尖AI本质“二维”，仅处理文字序列或像素排列，不懂有体积、重量及受重力影响的实体。而其空间智能技术旨在赋予AI“对三维世界的认知能力”。
以生成视频为例，空间智能生成符合物理规律的三维虚拟环境，再模拟实体，实体有材质和物理反馈。
传统AI训练学习像素概率关联，而World Labs的世界模型基于三维几何与物理模拟训练，学习数据能获空间几何与物理动力学规则。
2025年11月，World Labs推出Marble，能从文本等生成持久化3D世界。其底层用神经辐射场和高斯点云技术，非传统多边形网格。神经辐射场用神经网络表示场景生成新视角图像；高斯点云用高斯椭球体表示场景，渲染快且视觉效果好。
2026年CES大会，李飞飞展示Marble能力，称少数图片变实时世界不是未来愿景而是开始，空间智能需强大算力。
World Labs采用免费增值模式，目标客户有游戏开发者等，Marble支持VR头显，可导出兼容格式集成到游戏开发流程，李飞飞认为可能颠覆传统游戏引擎。
此外，World Labs还瞄准机器人训练市场，用模拟环境训练机器人自主导航软件。
AMI Labs不像李飞飞的World Labs有实际产品，还停留在技术概念阶段。
潜在投资方有Cathay Innovation、Greycroft、Hiro Capital（杨立昆为其顾问）、20VC、法国公共投资银行Bpifrance、Daphni和HV Capital 。需注意，杨立昆在AMI Labs任执行主席，非CEO。
AMI Labs的CEO为亚历克斯·勒布朗，他曾是Nabla联合创始人兼前CEO ，前公司Wit.ai被Meta收购后，他曾在FAIR向杨立昆汇报。团队还有前Meta欧洲副总裁劳伦特·索利。AMI Labs获法国总统背书。
其核心技术是杨立昆倡导的联合嵌入预测架构（JEPA），不逐token生成，而是以抽象表示创建世界、预测未来。它通过预测高层次嵌入表示工作，有两个编码器和一个预测器，避免生成模型预测随机细节的问题。
AMI Labs将推进AI研究，首个应用是与Nabla合作开发医疗保健临床护理AI助手，已获1.2亿美元融资，预计两年达1亿美元年度订阅收入。作为交易，Nabla获AMI世界模型特权访问权，亚历克斯转任首席AI科学家兼董事长，因看好世界模型在医疗保健应用。世界模型能提供FDA要求的确定性、可解释推理，避免LLM幻觉问题。
2026年1月，杨立昆加入Logical Intelligence任技术研究委员会创始主席，该公司推出能量基础推理模型Kona 1.0，与JEPA相似，能一口气生成推理轨迹。能量基础模型通过能量函数定义概率分布，寻找能量最小解决方案，可同时考虑多个约束条件、全局优化。杨立昆认为AGI需多种模型组成的生态系统。
李飞飞与杨立昆虽都构建世界模型，但技术路线迥异。
早期的World Labs的Marble属传统生成式AI，能生成3D世界，却缺物理知识。如生成罗马拱门，不知移除砖块会致其他砖掉落，仅学其视觉样子，无因果深层理解，在创意内容生成佳。
而杨立昆联合嵌入预测架构能直接生成完整结果，可表因果关系。
市场上，World Labs已获早期客户，多家组织采用Marble API，先发优势助融资。其瞄准创意产业，解3D内容制作成本高、周期长痛点。游戏开发者可用其快速生成背景，影视团队可做虚拟场景预览。从商业看，策略务实。
AMI Labs较超前，押注未成熟市场求技术突破，风险高但回报大。
李飞飞的World Labs扎根硅谷，投资方以美VC为主，含沙特和新加坡主权基金，可利用硅谷资源。
反观杨立昆，他选择巴黎作为总部，这不仅是个人偏好，更是战略选择。
欧盟正在建立AI主权，减少对美国科技巨头的依赖。AMI Labs获得法国政府的高调支持，可能在欧洲监管环境中获得优势，特别是在医疗保健等高度监管的领域。
两家公司的人才策略也有所不同。
World Labs 主要招募大量具计算机视觉与图形学背景的研究者，擅处理视觉数据与渲染问题。AMI Labs 倾向招募有机器学习理论和物理建模背景的研究者，更关注模型数学基础与泛化能力。
李飞飞相信通过大规模数据和计算，可以让模型学会对空间的隐式理解，即使它不明确建模物理规律。这种方法在计算机视觉领域已经被证明有效，ImageNet项目就是最好的例证。
杨立昆则坚持认为，真正的智能需要显式的世界模型，需要理解因果关系而不仅仅是相关性。他多年来一直批评纯粹的生成式方法，认为它们无法达到人类水平的推理能力。
所以看下来，虽然两个人的技术完全不同，然而实际上，这两条路之间好像也没有那么水火不相容。
事实上，它们可能最终会融合。World Labs的生成能力可以为杨立昆的因果模型提供丰富的训练数据，而联合嵌入预测架构的推理能力可以增强Marble的物理一致性。
AI的未来可能不是选择其中一条路，而是找到两者的最佳结合点。
无论哪条路径胜出，世界模型都代表AI从理解语言到理解物理世界的重要转变，意味着我们不再满足让AI模仿人类语言能力，而是要其理解客观规律。
▼ 继续探索更多AI内容
免费AI交流群开放！备注“进群”，抓一手信息，学实战技巧，一起交流成长！
图片/素材来源于网络，其版权归原作者所有，侵删。