李飞飞最近出来泄漏了“天下模子”这个主张，说目前大众把视频生成模子、言语模子致使物理引擎齐叫成天下模子，其实澈底搞混了。她指出，委果及格的天下模子得有三大中枢功能，不能偏废。

　　第一个是渲染器，能生成像无东说念主机航拍那样传神的画面，但问题在于它对三维结构的交融很浅，频繁出现物理上不能能的情况，比如杯子穿过桌子还能保持无缺。第二个是模拟器，这才是重要桥梁——它得让几何形式、物理规则和能源学齐严丝合缝，比如推倒多米诺骨牌时每块牌的怒放轨迹齐得得当施行，这类时刻目前正用在机器东说念主考验和斥地瞎想里。第三个是推测打算器，得能字据目前看到的和最终指标，平直输搬四肢辅导，比如看到桌上的杯子，知说念怎样伸手合手起来不洒水。

　　李飞飞绝顶强调，委果的天下模子必须把这三块拼起来。就像交融杯子不仅仅看到它长什么样，还得知说念它容易碎、能装水，这么材干收场从各个角度渲染画面、模拟被推倒的经由，终末推测打算出怎样安全合手取。举个例子，当机器东说念主看到桌上的咖啡杯，天下模子应该能预判：若是快速转移托盘，液体会因为惯性泼洒；若是从侧面推杯子，它会先滑动再翻倒。这种对物理章程的深层交融，远比单纯生成酷炫画面弥留得多。

　　不外目前大部分演示还局限在实验室里，尤其是模拟器这块，要同期照应刚体、流体、布料等多种物理着力，数据少得哀怜，算力花费又大得吓东说念主。比如模拟一滴水落在布料上的扩散经由，需要狡计数万个粒子的相互作用，泛泛职责站跑一帧就要几分钟。好在World Labs推出的Marble平台正在尝试用多模态输入平直生成可交互的3D环境，通过AI学习真的天下的物理章程，说不定能突破这个僵局。他们最新演示中，用户用手机拍张桌子相片，系统就能自动生成可拖拽、可碰撞的3D模子，连桌布褶皱的物理响应齐相配真的。