空间智能才是具身智能的终局，但面试官会问这个吗

World Labs 收购 SceniX，李飞飞和李昀烛把赌注压在空间智能上。我的第一反应是：这题面试会考吗。

刷了 300 道 LeetCode，我以为把动态规划、图论、树轮完了就能拿下算法岗。结果最近看面经，发现 top 厂都在问具身智能、3D 场景理解、Sim-to-Real 迁移。我连 SceniX 是做什么的都不知道，今天才补课。

先说结论：纯语言模型在物理世界面前是纸老虎。GPT-4 能写诗，但不知道苹果掉地上会碎。李飞飞团队从 ImageNet 到空间智能，路径很清晰——让 AI 理解三维空间的结构、物理规律、交互方式。收购 SceniX 是为了补齐机器人仿真环节，相当于给 AI 一个虚拟的物理教室，让它先在里面犯错。

[!note] 面试官可能会问：空间智能的核心技术栈是什么？我猜是多模态 3D 表示、神经辐射场（NeRF）、扩散模型生成场景。这些我还没系统学过，得补。

两个细节让我觉得这事靠谱。一是 a16z 全力押注，Martin Casado 说这是“物理世界的操作系统”。二是李昀烛（Fei-Fei Li 的学生）在斯坦福的博士论文就是关于 3D 场景理解的。师生联手，技术积累扎实。作为应届生，我羡慕这种从学术到产业的闭环——我的论文还在调参阶段。

现在刷题有点焦虑。空间智能需要 transformer 处理 3D 点云，需要 diffusion 生成场景，需要强化学习做机器人控制。这些都不是 LeetCode 能练的。我打算先啃几篇论文：NeRF、PointNeXt、RT-2。如果面试问“空间智能的终局是什么”，我可以说：让 AI 从“看世界”变成“在物理世界行动”，而 World Labs 的收购就是第一步。

不过话说回来，offer 比较纠结时，到底选纯视觉岗还是具身智能岗。空间智能听起来酷，但落地难。我得再想想。

原文链接：https://www.tmtpost.com/8083646.html