为什么 AI 能帮你写出几千行的复杂代码，却至今没办法帮你叠好一件衣服？ 这并非段子，这是当下 AI 行业最大的一堵墙。…

为什么 AI 能帮你写出几千行的复杂代码，却至今没办法帮你叠好一件衣服？ 这并非段子，这是当下 AI 行业最大的一堵墙。 用李飞飞（Fei-Fei Li）的话来说，因为我们严重低估了“空间智能”的难度。

在生物进化史上，动物演化出“空间智能”整整花了 5 亿年，而语言的出现只是最后的一瞬间。 对大脑而言，说话、聊天和写代码，其实是某种“投机取巧”的符号游戏。 而面对一个被重力、摩擦力、遮挡和三维几何支配的现实物理世界，才是真正的挑战。

李飞飞把“空间智能”拆成了四个部分。 第一，理解（Understanding）。 你能看懂这个三维甚至四维的环境，分得清设备、家具和人。

第二，推理（Reasoning）。 你想去冰箱拿瓶水，你得在脑子里规划：怎么绕开障碍、怎么走过楼梯、怎么找到冰箱。

第三，生成（Generation）。 闭上眼睛，你脑海里能凭空想象出一个客厅的三维画面。 现在 AI 的 2D 生成已经很强了，但在 3D 生成上，也就是像 World Labs 这类公司正在做的，才是通往机器人和真实物理设计的核心。

第四，也是最难的：交互（Interaction）。 这就是为什么 AI 叠不好衣服。 一件衣服是柔软的，有无数种褶皱、摩擦力和形变可能。 每一次抓取、折叠，都需要机器实时根据物理反馈去调整。 这不是靠背诵几万亿个文本词汇就能解决的。

这就像投篮。 你站在球场上，脑子里想“这一球进了，我们就能赢”，这是语言与逻辑智能在运转。 但你看着防守球员的位置，瞄准篮筐的距离和角度，这是空间智能。 最后，你起跳、滞空、把球精准投出去，这是物理智能。

以前人类总觉得，能写文章、会聊天就是最高级的智慧。 现在 AI 用实际行动证明了：在虚拟的符号世界里，所谓的“高智商”其实挺便宜的。 而能在现实世界里体面地走两步、叠件衣服，才是进化最昂贵的奇迹。