李飞飞详解三类世界模型：渲染器、规划器、模拟器

说话人的历史立场与利益关联

李飞飞是计算机视觉领域的奠基人之一，ImageNet 的发起者，2024 年创办了 World Labs（专注空间智能与 3D 世界模型），同时在 Stanford 主持 HAI（Human-Centered AI Institute）。她的核心利益在于两件事：一是具身智能（Embodied AI）需要真实物理仿真，而不只是生成像素；二是她的创业方向正好落在「模拟器」这一层，因此有强烈的动机重新定义行业术语，将竞争门槛拉高到她最擅长的领域。

这不是中立的学术归纳，而是立场先行的概念重构：将「世界模型」从大语言模型社区抢走的叙事夺回来，嵌入她一贯倡导的「空间智能」框架下。

三类拆解的内在逻辑

李飞飞的分类实际上是在说：当前大多数「世界模型」产品——Sora、Genie、Kling——都是渲染器，即更高级的视频生成器。它们的「世界感」来自统计模式，不是物理因果。规划器层是 Google DeepMind RT 系列和 Figure、1X 等人形机器人公司在做的：将视觉语言模型与机器人动作控制对齐。而真正的模拟器层，需要