李飛飛談空間智慧：AI 能生成世界之後，創作者還要驗證什麼？
李飛飛在 Hoover 訪談談空間智慧，World Labs 又推出 Frameboy 即時探索預覽。從可控制視角、生成內容到現實依據，理解創作者如何判斷用途與交付條件。
AI 可以生成一張漂亮的房間照片，卻未必能讓你穩定地繞到沙發後面。當創作從單一畫面走向可探索的空間，判斷好壞的標準也會跟著改變。
李飛飛在 10 月 21 日上架的 Hoover 訪談中，把空間智慧放在 AI 的下一段研究方向。她談的能力包含看見、接觸、規劃，以及在三維世界中理解與行動。
這與只把提示詞寫得更精準，有不一樣的要求。使用者一旦能改變視角，物件位置、遮擋和空間關係，都必須經得起連續檢查。
11 月 5 日，World Labs 公布 Frameboy 研究預覽，讓使用者控制相機，在雲端生成並串流的畫面中探索。它把這個方向推進到更容易感受的互動方式。
但能在螢幕裡移動，不等於已經建立足以拿去施工或訓練機器人的可靠世界。創意構想、空間一致性與現實準確度，仍有不同的驗收條件。
我會先把這類工具用在可以快速修改的構想探索，再依實際檢查結果決定用途。理解它帶來的改變，得從一張圖和一個空間的差別開始。
空間智慧，為什麼要從看圖走向理解關係？
空間智慧關心物件的位置與互動，也包含對行動結果的推想。對使用者來說，重點從辨認畫面裡有什麼，延伸到如何在其中移動與做事。
在原始訪談約 29 分鐘處，李飛飛列舉住家、工廠、城市和機械等人類活動。這些工作包含設計、創作與模擬，許多要求超出了語言表達本身。
約 35 分鐘，她進一步說明，智慧包含感知、規劃與在複雜三維世界中推理。這是她對研究方向的主張，並沒有宣告當時產品已經完成所有能力。
可以用一個假設場景理解：替客戶設計咖啡店時，單張圖片能表達氣氛，但走道會不會被椅子擋住、站在入口能看見什麼，仍需要換位置檢查。
因為一個空間同時容納多個視角，同一張桌子的位置就不能隨相機移動而任意改變。原本被遮住的部分出現後，也要與已經看見的部分接得起來。
這讓創作者多了一種提問方式。除了要求「看起來溫暖」，還能檢查「從門口走到櫃台是否順暢」，把抽象風格推進到具體的使用感受。
不過，生成場景裡可以走得通，仍不足以證明真實場地符合相同條件。模型可能補出原圖沒有提供的門、牆面或走道，這些補全可以是創意，也可能偏離現場。
所以空間智慧帶來的價值，要放回任務來看。構想階段需要可探索的選項，記錄真實場地則需要忠實依據，兩者對模型的要求並不相同。
可控制的視角，會怎麼改變創作流程？
可控制視角讓創作者能反覆試探同一場景，不必每次都重新賭一張構圖。修改的對象從整張圖片，逐漸轉向相機位置與空間關係。
World Labs 的 Atlas 說明把相機位置與角度納入輸入，也描述如何從參考影像產生新視角。官方同時說明，模型會想像原本看不見的區域。
這個能力適合拿來探索尚未定案的設計。因為許多想法得換角度才知道是否成立，創作者可以先排出幾個候選視點，再與合作對象討論。
例如在一個假設的短片前期工作中，導演想知道角色從門口進入後，鏡頭能否接到窗邊。可探索場景有助於比較構圖，減少只靠口頭描述造成的誤解。
但前期構想和最後拍攝仍有距離。實際場地的尺寸、設備位置、光線與人員動線，都需要另外確認，不能把生成畫面直接當成完整拍攝條件。
同樣地，遊戲團隊可以拿它溝通關卡氣氛與視覺方向，但玩家可碰撞的範圍、互動物件和遊戲規則，仍要由製作流程明確建立。
這也改變了交付時該問的問題。對方拿到的是一段預覽、一個能重開的場景，還是可以接進既有軟體的素材，會影響後續能修改到什麼程度。
因此，試用前可以先確認輸入與輸出形式。若成果只能留在展示頁面裡，即使視覺效果吸引人，也未必能減少團隊真正需要完成的工作。
當視角控制能接上原有流程，創作者才比較容易把探索結果留下來。接著要改善的，就是每次改動之後等待的時間。
Frameboy 把等待變短，哪些條件仍要分清楚？
Frameboy 是雲端串流的研究預覽，速度與可用範圍都有明確條件。它讓使用者邊移動相機邊接收畫面，和先生成一整段影片再播放的體驗不同。
依 11 月 5 日官方公告，Frameboy 使用經過最佳化的 Atlas 版本，由雲端 GPU 向瀏覽器串流，最高可達每秒 15 幀。這是官方公布的能力，本文未實測幀率。
公開示範讓人探索挑選過的場景。能從自己輸入逐幀建立場景的 Viewfinder，當時仍是封閉測試，不能把兩者的開放範圍混在一起。
官方也指出，Frameboy 需要雲端高效能 GPU，成本高於本機渲染。這裡的渲染，是把場景資料轉成看得見的畫面，並非瀏覽器本身免費完成全部運算。
這些條件會影響創作節奏。若反應夠快，使用者能一邊看一邊修正方向，但網路等待、畫面延遲與服務可得性，仍會影響是否適合日常使用。
可以想像同一段空間探索，若每次移動後都要停下來等，創作者就得先在腦中規劃整條路徑。若回應連續，就比較容易直接試出合適角度。
因此，速度改善的意義包含降低嘗試門檻。原本需要仔細安排的選項，可以先試再判斷，團隊也比較有機會及早發現某個構圖並不好用。
但試得快仍要看改得準不準。如果相機每次回到原處，場景都出現無法接受的變化，省下的等待時間可能會轉成更多人工整理。
所以驗收互動工具時，可以同時記錄反應時間與重複操作的穩定性。單看一個速度數字，很難判斷它究竟替工作省下了多少時間。
漂亮畫面、連貫空間與現實正確，是不同檢查
創作者要依用途，分別檢查視覺品質、跨視角一致性與現實依據。三者可以互相幫忙，但任何一項好，都不能替其他項目作保證。
視覺品質比較容易從單張畫面看見，例如材質、光線與構圖。空間一致性則需要連續移動，檢查門窗位置是否保留、遮擋是否合理，以及物件有沒有突然消失。
真實準確度還需要回到來源。Atlas 官方說明會補上相機從未看見的區域，這對創作很有用，也表示補出的內容不能直接當成現場紀錄。
如果任務是想像一間未來的展場，多出一條走道或換一種牆面可能只是新的設計選項。若任務是重現既有廠房，同樣變化就可能造成誤判。
對一個假設的室內設計團隊，可以先標記哪些部分有原始照片或尺寸支持，哪些是模型補全。客戶便能知道，哪些畫面已對應現場，哪些仍是探索。
這比只在最後加一句「僅供參考」更有用。因為使用者需要在作決定的當下，就知道哪些資訊可靠，才不會把想像中的空間當成確定條件。
若要拿場景做機器人模擬，還得另外核對與任務相關的條件。畫面看起來像能通行，和感測、控制或物件接觸在真實環境中是否成立，仍需實際證據。
因此，團隊應先寫清楚成果用途。當用途只是溝通構想，可以接受較多想像。當結果會影響施工、安全或昂貴設備，就需要更嚴格的量測與專業確認。
這樣的分工也保留了創作者的責任。工具提供更多選項，人則要說明採用哪個選項，以及為什麼相信它能服務眼前的任務。
先拿來探索，再決定哪些成果可以交付
對可修改的早期構想，空間工具值得小規模試用。高後果用途則要另外取得證據，不能因為預覽變得順暢，就省略原本需要的檢查。
開始時可以選一個已熟悉的場景，固定幾個相機位置與要完成的任務。這樣更容易看出模型哪些地方做得好，哪些位置需要人補資料。
接著記下改動次數、等待時間與人工修正時間。若討論能更快收斂，或團隊更早發現不可用的角度，就能具體描述工具帶來的好處。
反過來，若每次修正都破壞原本已確認的部分，團隊也能及早縮小用途。試用的成果可以是找到適合的環節，無須一開始就把整段工作換掉。
我會把李飛飛談的空間智慧，當成觀察人如何與 AI 共同創作的新方向。先看工具能否讓人更容易探索、比較和決定，再依證據擴大交付範圍，才不會只剩一段漂亮展示。
延伸閱讀：World Labs Atlas 是什麼？一張圖生成可運鏡 3D 世界，功能、應用與限制解析
延伸閱讀：NVIDIA SimReady Central 開放 2,000 多個 3D 素材：機器人模擬為何不能只求逼真？
歡迎免費訂閱 AI 郵報，持續追蹤空間智慧與 AI 創作工具的具體進展。
空間智慧常見問題 FAQ
空間智慧就是把圖片變成影片嗎？
它的範圍更廣，包含空間關係、感知、規劃與互動。圖片或影片生成可以是其中一種呈現，但不能單靠畫面品質判斷全部能力。
Frameboy 可以在自己的電腦離線運作嗎？
11 月 5 日的官方研究預覽由雲端 GPU 生成與串流畫面。瀏覽器能開啟示範，並不表示模型在自己的設備上離線執行。
一張照片生成的場景，可以當作真實場地資料嗎？
模型可能補出原圖看不見的區域。若要記錄真實空間，仍需原始影像、尺寸與其他量測支持，不能把補全內容當成已觀察事實。
