今年三月由斯坦福大學辭去全職教職、轉做兼職教授並創業後，AI 教母李飛飛（Fei‑Fei Li）喺2025年11月12日經佢創辦嘅 World Labs 正式推出Marble 空間模型，標誌住 AI「空間智能」（spatial intelligence）範疇嘅一個重大進展。呢個模型被視為世界模型（world model）競賽嘅關鍵一環，與 Google DeepMind 嘅Genie 3（2025年8月發佈）以及 Yann LeCun（楊立昆）嘅JEPA/LeJEPA 框架（最新 LeJEPA 喺2025年11月發佈）形成鮮明對比。三者都旨喺構建 AI 嘅「內部世界模擬器」，以便達到更高效嘅規劃、推理同互動，但重點、方法論同應用場景各有不同。以下基於權威來源（例如 DeepMind 官方博客、arXiv 論文、TechCrunch 同 Forbes 分析）作詳細剖析。
1. 三個模型概述
- Marble（李飛飛，World Labs）：一個多模態世界模型，專注由文本提示生成持久、可編輯嘅 3D 空間環境，支持 AI 原生工具同混合 3D 編輯器。呢個係 World Labs 嘅首個商業產品，目標係賦予 AI「空間智能」，令機器更似人咁理解物理世界。佢唔係純生成式模型，而係強調可互動性同實用性（例如遊戲／VFX 創作）。
- Genie 3（Google DeepMind）：DeepMind 嘅通用世界模型，從文本或圖像提示生成多樣可互動嘅 3D 環境，支持 720p 分辨率、24fps、長分鐘級實時模擬。呢個係 Genie 系列第三代（繼 Genie 1/2），目標係作為 AGI 嘅前沿工具，用於創建無限互動世界。
- JEPA/LeJEPA（Yann LeCun，Meta/NYU）：Joint‑Embedding Predictive Architecture（JEPA）嘅演進框架，LeJEPA 係 2025 年最新變體，聚焦自監督學習以構建抽象世界模型，支持規劃同因果推理。LeCun 視佢為通往「目標驅動學習」（objective‑driven learning）嘅基石，佢唔係做 3D 生成，而係做內部表示嘅預測。
2. 核心目標與設計哲學嘅分別
三者都源自「世界模型」概念（即 AI 模擬現實以便規劃行動），但哲學側重唔同：
- Marble：李飛飛強調「空間智能係 AI 下一個前沿」（a16z 訪問），目標係橋接 2D 視覺同 3D 物理世界，支持人類－AI 協作創作。佢將世界模型視為「3D 資產生成器」，聚焦持久環境（例如可下載嘅場景），而唔係實時模擬。設計哲學：實用導向，集成編輯工具，適用於遊戲／VFX／機器人設計。與 LeCun 嘅抽象預測唔同，Marble 更「具身」（embodied），強調空間結構（例如 Gaussian splats 表示）。
Genie 3：DeepMind 嘅目標係「無限世界生成」（infinite world modeling），作為通往 AGI 嘅一步，支持由單一提示創建多樣化嘅互動環境（例如遊戲關卡）。哲學：生成式＋互動性，強調實時一致性（long‑horizon consistency），喺呢點上優於 Marble 嘅靜態編輯。與 LeCun 嘅 JEPA 相比，Genie 更注重視覺同動態模擬，而唔係抽象嵌入。
- JEPA/LeJEPA：LeCun 嘅願景係構建「機器學習嘅內部世界模型」（internal world models），透過自監督預測建立因果表示，支持分層規劃（H‑JEPA）。哲學：非生成、非像素級重建，而係高效嵌入預測（energy‑based），以避免高昂計算成本。LeJEPA 去除啲啟發式做法，實現更可證明嘅泛化。與 Marble/Genie 嘅 3D 生成唔同，佢更抽象，適合用喺多模態規劃而唔係視覺渲染。
比較表格（核心分別）：
來源：Forbes 世界模型競賽分析、TechCrunch 比較。
3. 方法論與技術實現嘅分別
- Marble：採用多模態擴散模型＋Gaussian splats（高斯濺射），由文本生成 3D 網格，支持 AI 編輯（例如拖拽物件）。訓練數據包括大規模空間數據集（類似 3D 版 ImageNet），強調「持久性」（persistent worlds），有別於 Genie 嘅臨時模擬。與 LeCun 嘅嵌入預測唔同，佢更似「3D Stable Diffusion」，重點係空間結構而唔係因果動態。
- Genie 3：基於 Transformer＋擴散架構，從提示生成影片級別嘅互動環境，支持用戶輸入（例如鍵盤控制）。創新點：長時序一致性（multi‑minute coherence），使用 SIMA 2（Scaled Interactive Motion Agent）增強代理互動。相比 Marble，佢更動態（實時渲染），但計算密集（需要 GPU 集群）；與 JEPA 唔同，佢會生成像素級輸出，而唔係抽象表示。
- JEPA/LeJEPA：核心係能量基預測（energy‑based prediction），透過 SIGReg（Sketched Isotropic Gaussian Regularization）強制嵌入服從高斯分布，實現無啟發式嘅自監督學習。公式：
線性複雜度，支持 ViT/ResNet 等架構。與 Marble/Genie 嘅 3D 生成唔同，佢構建嘅係「內部模擬器」（internal simulator），更適合做規劃（例如機器人路徑），而唔係可視化呈現。
4. 應用場景與潛在影響嘅分別
- Marble：適用於創作工具（例如同 Unity 整合生成遊戲關卡）、VFX（電影 3D 場景）同機器人設計（空間規劃）。影響：加速「空間 AI」商品化，李飛飛稱佢係「由詞到世界」（words to worlds）嘅橋樑。潛在挑戰包括降低 3D 內容成本嘅同時，要處理訓練數據嘅版權問題。
- Genie 3：針對遊戲開發（無限關卡生成）同模擬訓練（例如自動駕駛）。影響：DeepMind 視佢為 AGI 基石，支持 SIMA 代理喺生成世界中學習。潛在問題係實時互動雖然強，但高能耗限制咗移動端應用。
- JEPA/LeJEPA：適用於多模態規劃（例如機器人因果推理）同高效預訓練（下游任務提升約 2–5%）。影響：LeCun 強調佢係通往「人類級 AI」嘅基礎，支持分層世界模型（H‑JEPA）。潛在好處係低資源部署，但需要方法去橋接到 3D 應用場景。
5. 整體評價與未來展望
Forbes 同 EntropyTown 嘅分析指出，三者代表世界模型嘅三種路徑：Marble 嘅「空間生成」（spatial generation）、Genie 3 嘅「互動模擬」（interactive simulation）同 LeCun 嘅「抽象預測」（abstract prediction）。Marble 更商業化（已推出首個產品），Genie 3 更偏前沿（AGI 導向），JEPA 則較理論化（可證明性）。Hacker News 討論認為，將三者融合（例如用 JEPA 類表示強化 Marble）可能係未來趨勢。主要挑戰包括計算效率、數據倫理同泛化能力（尤其係非視覺領域）。展望 2026，空間世界模型有機會主導 AI 競賽，推動 AI 從「聊天機械人」向「具身代理」轉型。