每日科技商业热点深读

追踪国内外科技大厂动态、开源趋势与商业模式深度拆解。

超写派专栏

李飞飞呼吁AI独立监管,但她自己正在造模型

SSuperAdmin官方主理人2026年9月23日AI 专栏 · SupaWriter 深度研究工作流生成

李飞飞公开呼吁由独立和公共部门实体监督AI,认为安全评估不应只由开发公司负责。本文梳理她发声的时间节点——World Labs刚完成10亿美元融资、正密集发布世界模型产品——并分析独立监管在技术能力、信息获取和验证标准上的现实缺口。读者将理解,AI监管争论的关键变量不是要不要管,而是谁来管、凭什么管、管得住谁。

李飞飞呼吁AI独立监管,但她自己正在造模型

图片

呼吁监管的人,自己正在造什么

World Labs的产品与融资节奏

李飞飞呼吁对AI进行独立监管,这个主张本身并不新鲜。她的身份决定了它值得被认真对待,也决定了它需要被放在利益语境中理解。

World Labs由李飞飞与Justin Johnson、Christoph Lassner、Ben Mildenhall共同创立。2024年,公司以2.3亿美元融资走出隐身模式,估值突破10亿美元,投资方包括a16z、Radical Ventures、英伟达NVentures、AMD Ventures和Intel Capital。到2026年2月,公司完成新一轮10亿美元融资,其中欧特克投资2亿美元,英伟达和AMD继续参与。公司未披露估值,市场预估约50亿美元。

图片

融资节奏与产品发布几乎同步。2026年9月初,World Labs发布Atlas——一款能根据文本、图像和视频提示生成并修改可交互三维环境的世界模型。公司在博客中称Atlas是从零开始预训练的,用户可以从任意指定摄像机位置和角度查看生成的环境。

把时间线摆在一起:2024年创办,2026年2月完成10亿美元融资,2026年9月发布旗舰产品。监管呼吁出现在这个密集期,而不是公司早期或沉寂期。

这不构成否定她主张的理由。许多行业先驱确实在技术早期就呼吁监管,李飞飞也有长期学术背景和公共表达传统。但一个正在造前沿模型、且刚完成大额融资的人呼吁监管,与一个纯粹的旁观者呼吁监管,含义不同。前者的主张既可能出于真诚的安全关切,也可能包含为行业设定规则以巩固自身位置的动机。两者并不互斥。

图片

世界模型赛道的竞争压力

世界模型正成为生成式AI之外的一条独立赛道。Atlas发布时,World Labs强调“从零预训练”,这既是技术宣示,也是竞争定位——在算力、数据和人才都向头部集中的领域,后来者需要证明自己不是跟随者。

这条赛道的玩家包括英伟达、AMD这类既投资又可能竞争的巨头。它们出现在World Labs的股东名单里,意味着监管议题一旦落地,受影响的不仅是World Labs,也包括这些投资方。李飞飞的监管主张因此不只是个人立场,还牵涉她所在公司的投资方生态。

融资规模本身也构成一种压力。10亿美元不是小数目,投资者期待回报,产品需要商业化路径。在这种压力下,呼吁监管可以被读作一种策略:通过推动行业规则,把竞争焦点从单纯的产品性能转向合规能力,而后者对拥有学术声誉和公共表达渠道的World Labs可能更有利。

但同样不能忽略另一面:世界模型涉及三维环境生成与交互,其安全风险——从虚假环境到训练数据滥用——确实比纯文本模型更难评估。李飞飞在这个节点提出监管,至少说明她认为风险已经大到需要外部介入。至于这是真诚判断还是策略选择,单靠时间线无法定论。

图片

世界模型为什么让监管问题变得更紧迫

渲染器、模拟器、规划器的功能分野

李飞飞团队把现有世界模型拆成三类:渲染器、模拟器、规划器。这个分类不是行业标准,而是他们自己提出的分析框架。它的价值在于指出一个常被忽略的事实:同样叫“世界模型”,做的事可能完全不同。

图片

渲染器优化的是视觉合理性,不是物理准确性。它们能生成精美的视频画面,但无法用来设计建筑或训练机器人。模拟器关注的是物理规律是否被正确建模——光怎么照在物体上、东西受力后怎么运动。李飞飞认为,模拟器得到的公众关注最少,却可能是让AI真正理解物理世界的基础。规划器则更进一步,直接服务于机器人在环境中的行动决策。

三者的安全含义并不相同。渲染器的风险集中在内容层面:虚假场景、版权争议、误导性视觉信息。模拟器和规划器的风险则进入物理领域:如果模拟的物理规律有偏差,或者规划器在真实环境中做出错误决策,后果可能超出屏幕。

模拟器与规划器的真实能力边界

规划器类演示目前几乎都局限于严格受控的实验室环境:物体种类有限,任务周期很短。还没有一个在真实部署所要求的复杂度、多样性和长周期中被验证过。这意味着,当前关于世界模型安全风险的讨论,很大程度上是在讨论一种尚未落地的能力。

图片

这恰恰是监管问题变得棘手的地方。如果技术本身还处于实验室阶段,独立评估机构需要具备什么能力?物理仿真、机器人测试、长周期部署验证——这些能力目前高度集中在少数公司和研究实验室手中。一个独立监管者如果缺乏同等水平的技术手段,评估就只能停留在文档审查层面,无法触及真实行为。

李飞飞对“世界模型”这个词本身的态度也值得留意。她称这是AI领域被最过度使用、语义最过载的词汇。一个由她自己参与推广的概念,被她本人指出定义混乱,说明这个领域的技术共识远未形成。监管如果建立在尚未统一的技术定义上,可能管错对象,也可能管得过早。

但反过来说,等到技术定义统一、能力边界清晰之后再动手,监管大概率已经追不上部署速度。语言模型学的是文本统计规律,世界模型学的是时空统计规律。后者的安全评估对象不再是“输出是否得体”,而是“物理行为是否可靠”。这个转变本身,就足以解释为什么独立评估的必要性在上升,而实现它的难度也在同步上升。

图片

独立监管的悖论:谁来评估评估者

公司自述与独立验证的差距

独立监管要成立,首先得有人能独立验证。目前世界模型领域最核心的能力描述,几乎都来自公司自己的发布材料。

Marble的能力清单——接收文本、图像、视频、空间草图四类提示,生成可探索的3D环境,同时输出高斯泼溅和碰撞网格——出自World Labs自己的产品说明。这些功能描述是否准确、边界在哪里,没有第三方系统测试可供对照。Atlas的情况更具体:模型参数规模、训练数据量、训练算力均未公开,权重也未发布,目前处于少量合作伙伴的早期测试阶段。这意味着即便现在成立一个独立监管机构,它拿到的评估材料仍然主要是World Labs自己公布的benchmark和案例。

图片

清华大学助理教授赵昊评价Atlas“泛化性很强”“对行业具有突破性意义”,这是专业判断,但属于个人基于公开信息的评价,不是系统性的第三方验证。个人专家的判断和机构化的独立测试之间,差距不在于水平高低,而在于可重复性和责任归属。

World Labs自己也没有回避能力边界。Atlas公布的机器人案例主要证明了空间重建、视觉观测生成和简单物体交互,碰撞、摩擦、材料特性、复杂动力学以及长时间物理演化上的系统性测试尚未公布,也没有证据表明Atlas生成的模拟环境能稳定提升机器人策略在真实世界中的成功率。这些空白不是World Labs独有的问题,而是整个世界模型领域的共性——但恰恰是这些空白,才是独立评估最需要覆盖的区域。

公共部门的技术能力缺口

图片

独立监管的第二个条件是评估者能理解技术。世界模型涉及三维表征、物理引擎接口、多模态训练架构,能够真正读懂这些技术细节的专家,目前绝大多数在高校和头部公司之间流动。公共部门要建立一支能独立评估世界模型的团队,面临的不只是预算问题,还有人才从哪里来的问题。

第三个条件是独立复现。Atlas未发布权重,Marble的底层架构也未完全公开,独立机构即使有技术能力,也缺乏复现所需的材料。评估者只能看公司想让你看的东西。

三个条件——理解技术、获取信息、独立复现——目前至少有两个不满足。独立监管在短期内更可能停留在原则层面,而非操作层面。

有一种反驳值得认真对待:独立监管不必一步到位。可以先从信息披露、第三方审计、事故报告等低门槛机制开始,逐步积累能力。这个路径在航空、医药领域有先例。要求“完全独立”才启动监管,反而可能成为拖延监管的借口。

这个反驳有道理,但它也承认了一个前提:独立监管是一个渐进过程,而不是一个可以立即兑现的承诺。李飞飞的呼吁如果被理解为“现在就建立完全独立的监管体系”,在操作上不现实;如果被理解为“先建立信息披露和审计的基本框架”,则是一个可以起步的方向。两者的区别,决定了这个呼吁是口号还是路线图。

图片

对读者意味着什么:关注“谁在管”比“管不管”更重要

竞争格局中的监管位置

World Labs所处的赛道并不宽松。2024年结束隐身模式后,它面对的是来自中国的密集竞争,Atlas与Google的Gemini Omni在同一个方向上直接对撞,潜在市场又与字节跳动的Seedance 2.5和Google的Veo存在重叠。杨立昆创立了AMI Labs,同样押注世界模型,谷歌DeepMind的Genie模型也在做三维环境生成。这些玩家没有一家是旁观者,全部在争抢同一个尚未定型的技术定义权。

在这个背景下,监管规则本身可能成为竞争工具。谁能参与标准制定,谁就能把自家技术路线写进规则,让后来者按自己的方式合规。李飞飞呼吁独立监管,客观上也在为世界模型这个品类争取制度上的正式身份——一个被监管的品类,首先得是一个被承认的品类。

图片

行业定义尚未统一这一点,从“全球首个多模态世界模型”的争议就能看出来。World Labs此前已把Marble称为多模态世界模型,英伟达也把Cosmos 3称为全模态世界模型。同一个标签被反复使用,说明这个领域连基本概念都还没有共识。监管如果建立在这种模糊定义之上,管错对象的概率不低。

读者可以追踪的三个变量

对普通读者来说,站队支持或反对李飞飞的监管呼吁,价值有限。更实际的做法是追踪三个可观察的变量。

第一,公司是否披露足够信息供独立评估。如果一家公司呼吁监管,却连基本的模型能力边界、训练数据来源、事故记录都不愿公开,这个矛盾本身就值得注意。

第二,是否存在真正的第三方测试。不是公司自己委托的审计,也不是行业联盟内部的互评,而是独立机构能够获取必要信息、独立复现关键结论的测试机制。

第三,监管机构是否具备技术能力。没有技术能力的监管,要么被行业牵着走,要么只能管一些无关痛痒的流程问题。

这三个变量的状态,比任何人的公开呼吁都更能说明AI监管的实际进展。要求普通读者追踪技术细节可能不现实,但至少可以看一个简单信号:呼吁监管的人,是否同时接受被监管。

英伟达的Omniverse平台瞄准的工厂、仓库、供应链和数字孪生等市场,潜在规模被估计超过万亿美元。这个数字来自英伟达自身口径,不是第三方独立测算,但它足以说明为什么各方都在争夺这个赛道的话语权。监管规则一旦落地,影响的不是一个产品,而是一整个市场的准入条件。

想拥有高效的全自动内容生产力?

SupaWriter 打通热点选题、长文创作、智能语义配图、文章 4 维客观评分与浏览器扩展一键发布,助你提升 10 倍创作效率。