# Fei-Fei Li is Solving the Hardest Problem in Robotics \| World Labs with a16z

- Channel: [a16z](https://www.youtube.com/channel/UC9cn0TuPq4dnbTY-CBsm8XA)
- Published: 2026-07-28
- Source video: [Watch on YouTube](https://youtube.com/watch?v=-tabaM5l3s0)
- Read on ReadTube: https://www.read.tube/p/videos/-tabaM5l3s0
- Language: Simplified Chinese

## Summary

**世界实验室押注空间智能**

世界实验室表示，下一代人工智能的核心是“空间智能”，目标是让模型能够生成、理解、推理并交互于真实或虚拟空间中。与西尼克斯的合作则把这一愿景推进到机器人领域，借助“现实到仿真再到现实”的管线，用可扩展的数字世界解决机器人训练和评估中的数据稀缺问题。

世界实验室将自身定位为前沿模型实验室，主攻“空间智能”和大型世界模型。费伊·李强调，空间智能不仅关乎视觉生成，更关乎对空间、时间、视角和交互保持一致的世界建模能力；其基础模型玛瑙可把文本或图像提示转化为几何一致的三维世界，为创作、设计、游戏和机器人等场景提供底层能力。

西尼克斯则从机器人角度切入，核心目标是让机器人在真实环境中真正可用。其提出“现实到仿真再到现实”的流程：先把真实环境重建到数字世界中，再利用可控的仿真生成训练与评估数据，最后把学到的策略迁移回现实。团队认为，机器人领域最大的瓶颈不是模型形式本身，而是训练和评估数据不足、成本过高、速度过慢，因此需要用仿真补足覆盖度、效率和安全性。

双方的结合被描述为高度互补：世界实验室强在生成模型、三维重建和世界一致性，西尼克斯强在机器人、仿真和系统落地。讨论中也明确了合作边界——世界实验室不是在“造机器人”，而是在构建机器人可学习和可评测的环境基础设施，且该基础设施与具体机器人形态和具体模型都尽量无关。

- 机器人落地会优先从结构化和半结构化场景开始，如工厂、仓库、餐饮和酒店。
- 仿真的价值主要体现在可靠性和效率：更完整覆盖状态空间，并加速训练与评估。
- 他们认为动作应成为基础模型的重要输出之一，未来可能形成面向机器人的多模态基础模型。
- 团队不会急于把两边代码库和组织完全打散，而是先在仿真和动作条件模型上逐步协同。
- 任何处在机器人项目早期或接近部署阶段的公司，都被鼓励尽早联系世界实验室。