2026年7月21日，李飞飞在X上发了一条两段式的推文，第一句就推翻了自己此前对空间智能的定义。
“世界不只是由文字构成的，空间智能也从来不只是关于感知和生成世界。”这位AI教母写道，“它关乎与世界的交互。今天，SceniX加入World Labs了。”
SceniX是一家机器人仿真初创公司。四位联合创始人，CEO William O'Farrell（连续创业者，曾领导哥伦比亚大学、MIT、斯坦福的跨学科团队）、郑昌熙（Changxi Zheng，加州大学圣地亚哥分校教授，150余篇论文作者）、李昀竹（Yunzhu Li，卡内基梅隆博士，前Google AI研究员）、Sonny Hu（前OpenAI高级研究工程师），全部来自学术界或AI巨头的仿真研究第一线。他们的产品是一套混合仿真系统，覆盖数据生成、策略创建、训练评估，以及持续预测监控与边缘案例发现。
消息一出，行业里很多人第一反应是：一个做3D世界生成的AI公司，为什么要买一家机器人仿真公司？
这个问题的答案，恰恰暴露了外界对World Labs最大的误解。
从“看世界”到“动手”
自2024年成立以来，World Labs给公众留下的印象一直是一家“世界模型”公司。2025年11月，公司推出首款产品Marble，一个能够从文本、图像、视频甚至粗略3D布局中生成可探索、可编辑、可扩展的3D世界模型。2026年1月，World API上线，Marble的能力被封装成可编程接口，供开发者直接调用。
这套叙事让World Labs在不到两年内累计融资12.3亿美元（2024年9月2.3亿美元A轮，2026年2月10亿美元新一轮），估值飙升至50亿美元。背后集结了英伟达、AMD、欧特克（Autodesk，投资2亿美元）、富达、淡马锡等一众顶级投资方。欧特克CEO在投资公告中表示，这笔投资意味着“设计工具与空间智能的深度融合”。
但Marble始终有一个问题：它会生成世界，但不会在物理世界里行动。
李飞飞对此心知肚明。在2026年2月的融资公告中，她已经明确将公司战略方向从“内容创作”向“机器人、科学发现与设计”扩展。招聘页面也显示，World Labs正在急招SLAM系统研发工程师，这是机器人自主导航的核心技术，以及3D重建专家，负责将多传感器数据融合为高精度环境地图。
收购SceniX，就是把这条隐藏的战略线推到了前台。
用李飞飞自己的话说，空间智能如果只停留在“感知和生成”层面，就只是一套高级的3D建模工具。真正的空间智能，必须包含“在物理世界中推理、规划并采取行动”的能力。SceniX提供的，正是让AI学会“行动”的训练场。
仿真：机器人落地的“最后一公里”瓶颈
为什么是仿真？为什么不是直接收购一家机器人硬件公司？
答案在于当前机器人行业的核心瓶颈不是硬件不够好，而是训练数据不够多。
训练一个能在真实环境中自主操作的机器人，需要海量的物理交互数据。让机器人在真实世界里一遍遍地碰、抓、走、摔，成本高、周期长、风险大。这就是为什么“仿真训练”成为过去两年机器人领域最热的赛道之一，NVIDIA Omniverse和Isaac Lab、Google MuJoCo、Unity Robotics，以及Genesis等开源项目，都在争夺这个市场。
但问题在于，仿真环境和真实世界之间始终存在一道“sim-to-real gap”。在虚拟环境里训练得再好的机器人，一放到真实物理世界中，往往连最简单的抓取动作都做不对。摩擦力不同、光照不同、材质形变不同，这些细微差异累积起来，足以让大量仿真训练成果失效。2026年一项针对四项操作任务的公开基准测试显示，当前最先进的仿真平台在模拟与现实之间的平均相关性约为0.924，这意味着仍有近8%的偏差无法通过现有技术弥合。
SceniX要攻克的，正是这个“最后一公里”的gap。
根据SceniX官网，其混合仿真系统通过将视频驱动的重建与弹塑性建模相结合，实现了高保真的物理仿真，不仅是视觉上的逼真，而是从接触力学、多模态传感融合到全身动力学控制的全面高精度模拟。其两项核心研究成果，BoxTwin（从视频学习弹性塑性铰接物体动力学）和PhysTwin-Eval（基于高斯点云的软体交互策略评估），已在仿真与现实之间实现了超过0.9的相关性，超越现有仿真基准。
更关键的是，SceniX团队并非只做纯仿真。李飞飞在推文中特意强调，这支团队“不仅在实验室演示中证明了能力，还在真实硬件上完成了实时部署”。这意味着SceniX的仿真平台已经初步打通了从“虚拟训练”到“物理部署”的闭环。
三位一体：World Labs的完整拼图
把Marble和SceniX放在一起看，World Labs的战略版图才真正清晰起来。
Marble解决的是AI的“空间感知”问题，让AI能够理解三维空间的结构、深度和重力，生成高保真的3D世界。SceniX解决的是AI的“空间行动力”问题，让AI在高保真虚拟世界中学习物理交互能力。而尚未公开但已开始布局的硬件部署层，包括SLAM系统研发、3D重建专家招聘，以及可能的硬件合作伙伴，将解决AI的“物理载体”问题。
从“生成世界”到“训练机器人”再到“部署到真实环境”，World Labs正在构建一个完整的“空间智能”闭环。这不再是单纯卖Marble订阅的“卖铲子”生意，而是一套从感知到行动的端到端基础设施。
欧特克在2026年2月向World Labs投下2亿美元，看中的正是这个闭环的商业潜力。一家全球工程设计软件巨头，不会仅仅因为一个3D生成工具就掏出2亿美元。它看到的是，当World Labs的模型能够理解物理世界的结构，并生成可供机器人训练的仿真环境，这将彻底改变CAD/CAM/CAE的底层逻辑。设计师在欧特克软件里画出一个零件，World Labs的模型就能自动生成该零件的物理仿真环境，机器人可以直接在仿真中学习如何使用这个零件。
这才是“空间智能”真正的商业想象力。
两条路线：空间智能赛道的终局之争
收购SceniX，也让World Labs的路线选择更加清晰。李飞飞选择的是“从世界模型走向机器人”，而不是“从机器人走向世界模型”。
这条路线和另一位AI泰斗的选择形成了有趣的对照。2026年初，图灵奖得主杨立昆（Yann LeCun）在离开Meta后创立了AMI Labs，同样聚焦“世界模型”，但起点不同。AMI Labs更强调从底层物理理解出发，构建能够模拟物理交互的“世界模型”再应用于机器人。杨立昆认为，LLM虽擅长语言，但“存在根本性局限”，无法真正模拟或预测物理交互。AMI Labs在2026年完成了10.3亿美元的种子轮融资，估值35亿美元，投资方包括英伟达、三星、贝佐斯Expeditions等。
李飞飞的做法则更务实。先用Marble解决“世界生成”的商业化问题，Marble已推出免费版和付费订阅版，有真实用户和收入，再用收购补齐“物理交互”的能力。这是一条“从商业到技术”的路线，先让市场为空间智能买单，再用市场收入反哺技术纵深。
两条路线孰优孰劣，现在下结论为时过早。但有一点可以确定：空间智能赛道的竞争，已经从“谁的3D生成更逼真”，进入了“谁能真正让AI在物理世界中行动”的新阶段。
这背后是一场更大的资本博弈。World Labs的50亿美元估值建立在“空间智能等于下一个LLM级机遇”的叙事之上。但资本市场对“世界模型”的耐心能持续多久，取决于Marble能否从“演示级产品”进化为“工业级基础设施”，以及SceniX的仿真技术能否真正帮助机器人公司缩短从训练到部署的周期。
一个值得关注的信号是，World Labs从Marble到SceniX的跨越，意味着它正在从“软件公司”变成“AI基础设施公司”。软件公司的估值逻辑是ARR和毛利率，而基础设施公司的估值逻辑是生态锁定能力和替换成本。后者显然更贵，但也更难。
李飞飞曾在多个场合说过：“大自然用了5亿年才解决空间智能这个超级难题。”她创办World Labs，是想用比这短得多的时间完成同样的事。收购SceniX，是她在这场赌局中押下的最新一枚筹码。
空间智能的终极考场，从来不在屏幕里，而在物理世界的每一个角落。
快报