假設您拍了一張教室照片：前方是講桌，旁邊有幾排座椅。如果請 AI 帶我們繞到講桌後面，它可能真的生成一段流暢的影片，連原本沒拍到的角落都出現了。這時，一個問題值得停下來想：它知道那裡原本長什麼樣，還是補出了一個看起來合理的版本？
2026 年 9 月，李飛飛與 World Labs 團隊在 Podcast 談到世界模型 Atlas，核心題目是「換一個位置，會看到什麼」。團隊同月公布的技術展示，讓我們有機會把「空間智慧」這個名詞，放到具體畫面裡理解。
先記住一個重點：生成得很像，不代表每個細節都曾被相機拍到。接下來，我們就從照片裡的線索，一路看到機器人為什麼需要這項能力。
空間智慧：認出杯子之後，還要知道怎麼拿
看見桌上有杯子，與知道杯子在桌邊、把手朝哪裡、伸手會不會撞到旁邊的東西，是不同層次的問題。史丹佛 HAI 對空間智慧（spatial intelligence）的說明，包含理解立體世界中的物體關係、移動與互動；放進 AI，就是讓系統能感知並推理所在環境。
對一般讀者而言，可以先把世界模型（world model）理解為：AI 建立一份環境的內部表示，用來預測換個視角，或做出某個動作後，接下來可能出現什麼。不同研究對這個名稱的用法並不完全相同；有的重在生成畫面，有的重在模擬動作後果。
Atlas 怎麼補出新視角？先看輸入與輸出
依團隊技術說明，Atlas 可以接收照片，搭配指定的相機位置與方向，生成從其他角度觀看的畫面；它也能處理深度等空間資訊，輸出立體場景表示。這項任務常稱為新視角合成：要改變的是觀看位置，同一個場景裡的物體關係則應盡量維持一致。
「相機位置」可以想成我們站在哪裡，「方向」就是朝哪裡看。若從教室門口走向窗邊，講桌在畫面中的位置、遮住座椅的範圍，都會改變。模型需要處理這些關係，才能讓畫面像是在同一個空間裡移動。這是本站依相機控制機制補充的教室例子。
延伸觀看｜到 World Labs 官方頁面看 Atlas 展示
World Labs 在 Atlas 官方技術說明頁 放有生成、重建與模擬的展示影片與互動範例。觀看時可以留意：視角改變時，場景結構是否延續；這些是團隊選出的展示案例，不是一鏡到底的現場實拍，也不是獨立測試。
沒有拍到的背面，合理不等於真實
照片提供的資訊有邊界。拍到櫃子正面，未必知道背面有沒有破損；看到桌面，也不一定知道桌下藏著什麼。Atlas 的官方說明明確指出：對沒有出現在輸入影像中的區域，模型會生成合理的內容。補進更多實際照片，可以提供更多約束，但不能直接把所有輸出當成量測紀錄。
本站補充比喻｜看照片畫一張地圖
想像請一位畫圖的人，依門口拍到的照片畫教室平面圖。他可以利用看得見的桌椅安排，推測後面還有走道；但照片沒拍到的地方，畫得合理也可能畫錯。再補一張從窗邊拍的照片，就能修正部分猜測。這個比喻依「稀少視角提供有限約束、未見區域需要推測」的機制延伸；AI 的運作並不是人在腦中畫圖，也不表示它具有人的空間理解。
做出畫面、模擬後果、決定動作，分別需要什麼？
李飛飛與團隊在另一篇文章中，提出一種功能分類：產生觀察畫面的 renderer、模擬環境狀態的 simulator，以及決定下一步動作的 planner。這是團隊用來釐清討論的分類方式，不是所有研究都採用的唯一標準。
例如，杯子後方的花紋畫得很自然，是視覺上的進展。推杯子時，它是否會依桌面摩擦、杯子的形狀而合理移動，則是另一個檢驗。至於機器人要選哪個抓取角度，還涉及規劃與控制。這些功能可以結合，但不能只憑一段流暢影片，就認定後面的能力都已到位。這是本站依上述分類整理的閱讀判斷。
為什麼和機器人有關？它需要能拿來練習的環境
世界模型並不是最近才出現的想法。Ha 與 Schmidhuber 在 2018 年的研究，就探索讓代理系統在學到的模擬環境中練習，再回到原本的遊戲環境測試。那是受控遊戲任務，不能直接等同於現在的家庭機器人，但能幫助我們理解「先在模型裡試，再回到環境驗證」的研究方向。
把這個方向放到機器人身上，問題就更具體了：椅子挪開、光線變暗、物品換了位置，它還能完成任務嗎？虛擬環境有機會提供反覆練習與測試的條件；但若模擬把距離、接觸或物體反應弄錯，練得熟也可能無法順利用在實體設備上。
讀展示時，把證據補成完整句子
史丹佛 HAI 的世界模型政策簡報提醒，安全攸關的部署仍缺乏足夠的評估基礎；重要的問題是，模擬是否真的貼近所要訓練或測試的現實情境。因此，應用在動畫創作與應用在會移動的機器人上，證據要求會不同。
| 看到的展示 | 可以先確認什麼 | 還不能直接推論什麼 |
|---|---|---|
| 相機換角度，畫面連續 | 模型能在展示條件下生成相連視角 | 所有未拍到的細節都符合現場 |
| 場景能在螢幕上探索 | 輸出能用於某種視覺探索 | 距離、碰撞與材質反應都已驗證 |
| 機器人在模擬中完成任務 | 特定模擬與任務下的表現 | 換到實機、陌生房間也同樣可靠 |
本站延伸活動｜找出照片沒告訴你的事
拿一張自己拍、沒有個資的房間照片，先列出能直接看見的物件，再列出需要換角度才知道的細節。例如「椅子在桌旁」有影像線索，「桌後一定有插座」則需要更多證據。若再看 AI 生成的新角度，可以把推測與可驗證的部分分開記錄。這是依本文機制設計的觀察活動，未做教學成效測試。
對父母、老師與學生來說，這項發展最值得帶走的，是一個可反覆使用的判斷：畫面能帶我們走到看不見的地方；要知道那裡是否真的如此，還需要觀察與驗證。這也讓「世界模型」從一個新名詞，變成理解 AI 能力與界線的入口。
延伸觀看｜李飛飛與團隊談 Atlas
參考來源
- World Labs：Atlas: A World Model for Spatial Intelligence（2026-09-01）
https://www.worldlabs.ai/blog/atlas - a16z：Fei Fei Li: The Race to Build World Models For AI（2026-09-04）
https://a16z.com/podcast/fei-fei-li-the-race-to-build-world-models-for-ai/ - a16z／YouTube：Why Fei-Fei Li Is Betting on Spatial Intelligence（2026-09-04）
https://www.youtube.com/watch?v=qn1QDDBnTA0 - Stanford HAI：What is Spatial Intelligence?（查閱 2026-10-26）
https://hai.stanford.edu/ai-definitions/what-is-spatial-intelligence - World Labs：A Functional Taxonomy of World Models（2026-06-03）
https://www.worldlabs.ai/blog/taxonomy-of-world-models - Stanford HAI：The World Model and Spatial Intelligence Era: Governing AI Beyond Language（2026-07-27）
https://hai.stanford.edu/policy/the-world-model-and-spatial-intelligence-era-governing-ai-beyond-language - Ha、Schmidhuber：World Models（2018-03-27）
https://worldmodels.github.io/
本文由 AI 協助整理，經編輯審閱。
