🐯虎嗅•較早收集於 23m
五大門派圍攻大模型
💡楊立昆/李飛飛20億美元資助的世界模型五大門派，重塑超越大語言模型的AI（42字）
⚡ 30-Second TL;DR
有什麼變化
AMI籌得10.3億美元種子輪融資，為歐洲AI紀錄，用於JEPA世界模型。
為什麼重要
這些巨額融資顯示從文字大語言模型轉向具身AI的範式轉移，可能加速機器人與模擬應用。從業人員獲得超越模式匹配的物理推理新工具。
下一步行動
在World Labs網站測試Marble，從草圖生成可編輯3D場景。
誰應關注：Researchers & Academics
關鍵要點
- •AMI籌得10.3億美元種子輪融資，為歐洲AI紀錄，用於JEPA世界模型。
- •World Labs推出Marble，從文字/圖像生成可編輯3D世界，並籌得10億美元。
- •V-JEPA 2僅用62小時數據，在陌生環境機器人成功率達65-80%。
- •Genie 3從文字生成持久互動3D環境，如暴風雨威尼斯運河。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •AMI（AI Model Intelligence）的JEPA架構採用了非生成式的自監督學習方法，旨在透過預測潛在空間的表徵而非像素，大幅降低計算資源消耗並提升對物理規律的泛化能力。
- •World Labs的Marble技術引入了基於神經輻射場（NeRF）與高斯噴濺（Gaussian Splatting）的混合渲染管線，解決了傳統生成式AI在處理複雜光影與幾何一致性時的崩潰問題。
- •Genie 3在互動性方面實現了突破，其核心在於引入了動態物理引擎模擬器，使AI生成的環境不僅是靜態影像，而是具備可變動物理屬性的數位孿生空間。
📊 競品分析▸ Show
| 特性/模型 | AMI (JEPA) | World Labs (Marble) | OpenAI (Sora/o3) | Google (Veo/Gemini) |
|---|---|---|---|---|
| 核心技術 | JEPA 抽象預測 | 空間重建/神經渲染 | 擴散模型/推理鏈 | 多模態/影片生成 |
| 物理理解 | 高 (基於物理規律) | 高 (基於空間幾何) | 中 (基於統計規律) | 中 (基於數據擬合) |
| 互動性 | 強 (機器人控制) | 強 (3D環境編輯) | 中 (影片生成) | 中 (影片生成) |
🛠️ 技術深入
- AMI (JEPA): 採用層次化預測架構，將輸入數據映射至高維潛在空間，透過預測未來狀態的表徵來學習世界模型，避免了像素級預測的冗餘。
- World Labs (Marble): 利用多視角一致性約束，將2D圖像序列轉化為可編輯的3D場景圖，支援即時光線追蹤與物理碰撞檢測。
- Genie 3: 結合了潛在擴散模型與強化學習，透過與模擬環境的互動數據進行訓練，實現了對環境變化的持久性記憶與邏輯一致性。
🔮 前景展望AI analysis grounded in cited sources
具備物理理解的AI將在2027年前取代傳統機器人控制軟體。
基於世界模型的AI能直接在模擬環境中學習複雜操作，無需人工編寫硬編碼規則。
生成式3D內容創作成本將下降90%。
Marble等技術將自動化繁瑣的建模與渲染過程，使非專業人員能透過自然語言生成高品質3D資產。
⏳ 時間線
2024-09
李飛飛正式宣佈成立World Labs，專注於空間智能與世界模型。
2025-03
楊立昆旗下的AMI完成種子輪融資，確立以JEPA作為核心技術路線。
2025-11
World Labs發佈Marble技術預覽，展示從文字生成可編輯3D場景的能力。
2026-02
AMI發佈V-JEPA 2，在機器人控制任務中展現出超越傳統強化學習的泛化能力。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。