2009年，李飞飞带着ImageNet去CVPR开会，主办方只给了一个角落里的poster展位。她和学生站在那里，发印着ImageNet logo的圆珠笔，几乎没人停下来看。

当时AI圈的共识是：进步靠的是更好的算法，不是更多的数据。一个还在评副教授的华人女学者，花了三年时间标注了1400万张图片，学术圈觉得这件事没什么智识含量。

三年后，一个叫AlexNet的深度神经网络在ImageNet竞赛上把第二名甩开10.8个百分点。整个计算机视觉领域的范式，一夜之间翻转。此后十年，从自动驾驶到医学影像到人脸识别，几乎所有视觉AI的突破都建立在ImageNet奠定的地基上。

李飞飞后来说过一句话："Data will redefine how we think about models." 数据将重新定义我们思考模型的方式。

2009年没有人相信。2012年之后所有人都信了。

---

17 年后，李飞飞又做了一件类似的事。

2024年9月，她创办的World Labs从隐身模式走出来，融了2.3亿美元。2026年2月，又拿了10亿美元，投资方包括NVIDIA、AMD、Autodesk，据报道估值50亿美元。

World Labs做的事情用一句话说：让AI理解三维世界，而不只是理解文字。

李飞飞自己的表述是："If AI is to be truly useful, it must understand worlds, not just words."

听起来像一句漂亮的slogan。但昨天World Labs发布的一篇技术博客，让这句话变得非常具体。

---

这篇博客讲的是Spark 2.0。

Spark是World Labs做的一个开源3D渲染器，跑在浏览器里，基于一种叫3D Gaussian Splatting（3DGS，三维高斯溅射）的技术。简单说：传统3D图形用三角形网格来表达物体表面，3DGS用几百万个半透明的彩色椭球体叠加在一起，像无数微小的光斑融合成你看到的世界。

这项技术2023年论文发表后迅速进入工业界。2025年，超人电影用了它来拍全息表演，Zillow用它做房产3D看房，DJI无人机内置了高斯溅射处理。到2026年初，Khronos（OpenGL和Vulkan背后的标准组织）已经在推3DGS的通用标准，OpenUSD在4月正式支持。

但一个核心问题一直没解决：数据量太大了。

一个3D扫描场景动辄几千万个高斯溅射点，文件大小超过1GB。大多数消费设备只能流畅渲染100万到500万个点。手机浏览器的GPU内存有硬性上限。你生成了一个惊人的3D世界，然后发现没法分享给任何人，因为对方打不开。

这就像2005年的在线视频：你可以拍4K的影片，但观众要先下载一整天才能看。

---

Spark 2.0解决的就是这个问题。

它做了三件事。

第一，Level-of-Detail（细节层次）系统。把所有高斯溅射点组织成一棵树，根节点是一个粗糙的大椭球，代表整个场景的形状和颜色，越往下越精细。渲染时不需要加载所有数据，只需要根据你的视角，从树上"切"出一个合适的截面：你正在看的方向细节拉满，视野边缘和背后用粗糙的大椭球代替。无论场景有多少个点，每帧只渲染固定数量，帧率稳定。

第二，流式传输。新设计了一种文件格式叫.RAD，把数据切成64K一块的小单元，可以按需加载。打开一个1亿点的3D世界，不需要等文件下完，几乎立刻就能看到一个粗略版本，然后随着你的视线移动，细节像水一样流进来。

第三，虚拟内存。GPU上固定分配一个16M溅射点的内存池，像操作系统管理内存页一样，自动把当前需要的数据换进来，不需要的换出去。理论上，你可以在浏览器里漫游一个无限大的3D世界。

已经有人在用了。一个叫Starspeed的多人太空射击游戏，1亿个高斯溅射点，直接在浏览器里流式传输。日本Hololive的空间技术部门用它在手机上流畅展示4000万点的大型3D场景，兼容Quest和Vision Pro。

---

技术细节可以继续往深里讲，但我更想说的是这件事的位置。

ImageNet解决的问题，本质上是"让机器能看见"。1400万张带标注的图片，定义了什么叫"看懂一张图"，然后让全世界的研究者在同一个标准上竞争和进步。

World Labs在做的事，本质上是"让机器能看见三维世界"。Marble生成3D世界，Spark让它在任何设备上跑起来，.RAD格式让3D数据可以像视频一样流式传播。

这三样东西合在一起，构成的是一套基础设施。

回头看ImageNet的历史，它最大的贡献不是那1400万张图本身，是它建立了一个生态：标准的数据集、公开的竞赛、统一的评估指标。在它之前，每个实验室用自己的小数据集，成果无法比较，进步无法积累。ImageNet把散落的努力汇聚成一条可以测量的曲线。

World Labs现在做的事有类似的结构。3DGS技术本身已经有了，扫描工具已经有了，但缺一个让它在所有设备上无缝运行的渲染层，缺一个通用的流式传输格式，缺一个能把AI生成的3D世界直接变成可分享体验的管道。Spark和.RAD在尝试填补这些空白。

这解释了为什么Autodesk在10亿美元的这轮融资里单独投了2亿，还当了战略顾问。Autodesk做了几十年3D设计软件，它看到的不是一个AI创业公司，是3D世界的基础设施从专业工具向通用平台迁移的可能性。

---

但有一个关键区别。

ImageNet是在学术界冷嘲热讽中做出来的。2009年没有人投资ImageNet，没有人觉得"标注图片"是一门生意。李飞飞靠Amazon Mechanical Turk上的众包工人完成了标注工作，预算极其有限。

World Labs拿着12.3亿美元，背后站着NVIDIA和AMD。

这不是同一种处境。ImageNet是在所有人不相信的时候建起来的基础设施。World Labs是在所有人都在赌"空间智能"的时候入场的。Google DeepMind有Genie，NVIDIA有Cosmos，Meta的LeCun离职创办了AMI Labs专门做世界模型。

10 亿美元不是先见之明的证据，是竞赛已经开始的证据。

李飞飞2009年那个CVPR角落的poster展位，和2026年这张10亿美元的支票，中间隔了17年。同一个人，做的事情有一条线索贯穿始终：别只盯着模型，去建基础设施。

只是这一次，她不是唯一一个相信这件事的人了。

---

数据来源：World Labs官方博客（2026年4月14日）；Bloomberg、TechCrunch、Reuters关于World Labs融资的报道（2026年2月）；ImageNet历史资料来自Quartz、Princeton University及Wikipedia。