在今年三月从斯坦福大学辞去全职教职转为兼职教授并创业后，AI教母李飞飞（Fei‑Fei Li）于2025年11月12日通过其创办的World Labs公司正式推出Marble空间模型，这标志着AI“空间智能”（spatial intelligence）领域的重大进展。该模型被视为世界模型（world model）竞赛中的关键一环，与Google DeepMind的Genie 3（2025年8月发布）和Yann LeCun（杨立昆）的JEPA/LeJEPA框架（最新LeJEPA于2025年11月发布）形成鲜明对比。三者均旨在构建AI的“内部世界模拟器”，以实现更高效的规划、推理和交互，但焦点、方法论和应用场景迥异。以下基于权威来源（如DeepMind官方博客、arXiv论文、TechCrunch和Forbes分析）进行详细剖析。
1. 三个模型概述
- Marble（李飞飞，World Labs）：一个多模态世界模型，专注于从文本提示生成持久、可编辑的3D空间环境，支持AI原生工具和混合3D编辑器。这是World Labs的首个商业产品，旨在赋予AI“空间智能”，让机器像人类一样理解物理世界。 它不是纯生成式模型，而是强调可交互性和实用性（如游戏/VFX创作）。
- Genie 3（Google DeepMind）：DeepMind的通用世界模型，从文本或图像提示生成多样互动3D环境，支持720p分辨率、24fps、多分钟实时模拟。这是Genie系列的第三代（继Genie 1/2），目标是AGI的前沿工具，用于创建无限互动世界。
- JEPA/LeJEPA（Yann LeCun，Meta/NYU）：Joint‑Embedding Predictive Architecture（JEPA）的演进框架，LeJEPA是2025年最新变体，聚焦自监督学习构建抽象世界模型，支持规划和因果推理。LeCun视其为通往“客观驱动学习”（objective‑driven learning）的基石，非生成3D，而是内部表示预测。
2. 核心目标与设计哲学的区别
三者均源于“世界模型”概念（AI模拟现实以规划行动），但哲学侧重不同：
- Marble：李飞飞强调“空间智能是AI下一个前沿”（a16z访谈），目标是桥接2D视觉与3D物理世界，支持人类‑AI协作创作。 它视世界模型为“3D资产生成器”，聚焦持久环境（如可下载场景），而非实时模拟。设计哲学：实用导向，集成编辑工具，适用于游戏/VFX/机器人设计。 与LeCun的抽象预测不同，Marble更“具身”（embodied），强调空间结构（如Gaussian splats表示）。
Genie 3：DeepMind的目标是“无限世界生成”（infinite world modeling），作为AGI stepping stone，支持从单一提示创建多样互动环境（如游戏关卡）。 哲学：生成式+互动性，强调实时一致性（long‑horizon consistency），优于Marble的静态编辑。 与LeCun的JEPA相比，Genie更注重视觉/动态模拟，而非抽象嵌入。
- JEPA/LeJEPA：LeCun的愿景是“机器学习世界内部模型”（internal world models），通过自监督预测构建因果表示，支持分层规划（H‑JEPA）。 哲学：非生成、非像素级重建，而是高效嵌入预测（energy‑based），避免高计算成本。LeJEPA去除启发式，实现可证明泛化。 与Marble/Genie的3D生成不同，它更抽象，适用于多模态规划而非视觉渲染。
比较表格（核心区别）：
来源：Forbes世界模型竞赛分析、TechCrunch比较。
3. 方法论与技术实现的区别
- Marble：采用多模态扩散模型+Gaussian splats（高斯溅射），从文本生成3D网格，支持AI编辑（如拖拽对象）。训练数据包括大规模空间数据集（类似ImageNet的3D版），强调“持久性”（persistent worlds），不同于Genie的临时模拟。 与LeCun的嵌入预测不同，它更像“3D Stable Diffusion”，焦点在空间结构而非因果动态。
- Genie 3：基于Transformer+扩散架构，从提示生成视频级互动环境，支持用户输入（如键盘控制）。创新：长时序一致性（multi‑minute coherence），使用SIMA 2（Scaled Interactive Motion Agent）增强代理互动。 相比Marble，它更动态（实时渲染），但计算密集（需GPU集群）；与JEPA不同，它生成像素级输出，而非抽象表示。
- JEPA/LeJEPA：核心是能量基预测（energy‑based prediction），通过SIGReg（Sketched Isotropic Gaussian Regularization）强制嵌入服从高斯分布，实现无启发式自监督学习。 公式：
线性复杂度，支持ViT/ResNet等。区别于Marble/Genie的3D生成，它构建“内部模拟器”（internal simulator），适用于规划（如机器人路径）而非可视化。
4. 应用场景与潜在影响的区别
- Marble：适用于创作工具（如Unity集成生成游戏关卡）、VFX（电影3D场景）和机器人设计（空间规划）。影响：加速“空间AI”商业化，李飞飞称其为“从词到世界”（words to worlds）的桥梁。 潜在：降低3D内容成本，但需解决版权（训练数据来源）。
- Genie 3：针对游戏开发（无限关卡生成）和模拟训练（如自动驾驶）。影响：DeepMind视其为AGI基石，支持SIMA代理在生成世界中学习。 潜在：实时互动提升，但高能耗限制移动端。
- JEPA/LeJEPA：适用于多模态规划（如机器人因果推理）和高效预训练（下游任务提升2–5%）。影响：LeCun强调其为“人类级AI”的基础，支持分层世界模型（H‑JEPA）。 潜在：低资源部署，但需桥接到3D应用。
5. 整体评价与未来展望
Forbes和EntropyTown分析指出，三者代表世界模型的三种路径：Marble的“空间生成”（spatial generation）、Genie 3的“互动模拟”（interactive simulation）和LeCun的“抽象预测”（abstract prediction）。 Marble更商业化（首个产品），Genie 3更前沿（AGI导向），JEPA更理论化（可证明）。Hacker News讨论认为，融合三者（如Marble+JEPA的表示）或成趋势。 挑战：计算效率、数据伦理和泛化（非视觉领域）。展望2026，空间世界模型或主导AI竞赛，推动从“聊天机器人”向“具身代理”转型。