当人工智能只在屏幕上生成文字，错误往往表现为一句错误答案；当它开始训练机器人、模拟工厂并影响现实行动，错误就可能撞倒货架、伤害工人或让一项公共服务失灵。李飞飞所说的“空间智能”，因此不仅是一场技术竞赛，也是一场关于权力、责任与停止按钮归谁所有的制度实验。
一台聊天机器人答错问题，人们可以关掉窗口。一台机器如果已经抓起工具、驾驶车辆或在医院里移动设备，关闭窗口就不再足够。
这是人工智能从语言走向物理世界后最重要的变化：输出不再只是一段内容，而可能成为动作。
李飞飞在与彭博主持人Emily Chang的访谈中，把空间智能区分为生成视觉世界、模拟现实结构和为行动制定计划等不同功能。她同时提醒，监管应建立在科学而非科幻想象上，公共部门与教育需要得到资源，社会也不应把决定未来的权力交给少数自认为比所有人都更懂的人。访谈视频
此前的报道已经讨论过世界模型能否从漂亮演示走向可验证的现实能力。《AI会说话之后，谁来教它理解世界？》
接下来的问题是：即使能力真的出现，社会准备好承担它了吗？
模拟里的成功，与客厅里的可靠之间隔着一条鸿沟
空间智能最有吸引力的承诺，是让机器理解物体、距离、运动与后果。World Labs把自己的目标描述为让模型感知、生成、推理并与虚拟和物理世界互动；其产品Marble可以从文字、图像、视频和三维布局生成可探索的空间。World Labs
这种能力可以服务电影制作、游戏设计、建筑预览、机器人训练和科学研究。但同一个模型用于不同任务，需要的证据完全不同。一个虚拟场景看起来可信，可能足以帮助导演构图；一个训练外科或工业机器人的模拟环境，则必须在碰撞、重量、摩擦和异常情况上足够准确。
斯坦福《AI Index 2026》提供了一组醒目的反差：机器人在软件模拟的操作基准上成功率可达89.4%，但在家庭任务上的成功率只有12%。报告认为，行业当前最强的信号仍是硬件供应和投资增长，而不是大规模、可靠的日常部署。Stanford AI Index 2026技术章节
这不是说机器人没有进步，而是说“能演示”与“可托付”之间还有很长距离。家庭、医院、农场和建筑工地都不是标准化实验室。地面会湿，光线会变，人会突然走进路径，物体会被放在模型从未见过的位置。
真正的可靠性，往往不是系统在顺利情况下能做什么，而是它遇到陌生情况时是否知道自己不知道。
当错误拥有身体，责任不能继续留在用户协议里
今天的软件公司习惯在服务条款中限制责任，提醒用户核实输出。对于生成一封邮件，这种安排或许还能工作；对于控制机械臂、无人车或医疗设备的系统，仅仅要求使用者“自行判断”并不够。
一项物理AI事故可能同时涉及模型开发者、硬件制造商、数据供应者、系统集成商、购买机构和现场操作人员。如果没有预先定义责任，事后最容易承担后果的，往往是权力最小的那个人——负责值班、按下启动键或接管失败的工人。
因此，高风险空间智能至少需要四层记录：模型看到什么、它为何采取行动、人类何时得到警告，以及谁拥有暂停和恢复权限。不能只保留系统成功时的性能数据，也要记录险些出事、被人工接管和主动停止的情况。
《AI Index 2026》统计的公开AI事件从2024年的233起增加到362起，同时指出能力评测的披露远比责任AI评测普遍。Stanford AI Index 2026
事件增加可能同时反映部署扩大和记录改善，不能简单解释为每个系统都变得更危险。但它足以说明，社会需要的不只是更强模型，也包括一套让失败可见的基础设施。
“人在回路中”不是一句免责口号
企业常说，关键决定最终由人负责。这句话听起来安全，却可能隐藏一个不现实的工作安排：机器高速运行，人类长期监视，只有在最混乱的一刻才被要求接管。
如果操作员没有时间、信息或权力阻止系统，那么“人类监督”只是在事故发生后方便寻找责任人。真正有效的人类控制，需要明确的接管时间、训练标准、合理工作负荷，以及在不受绩效惩罚的情况下停止设备的权利。
这也会改变劳动市场。空间智能可以减少危险、重复的工作，也可能把稳定岗位拆成少数高薪工程职位和大量负责清理错误的低权力岗位。生产率提高并不会自动转化为工资提高、工时缩短或更安全的工作。
技术政策如果只奖励采用速度，却不要求企业说明收益如何分配，就会把所谓创新的成本交给劳动者。
新西兰不能只做“聪明采用者”，还要做有条件的采购者
新西兰2025年公布的AI战略强调加快采用、以现有法律和自愿指导降低投资不确定性，并把“聪明采用者”定位为小型经济体的优势。政府随后把AI列为科研与先进技术投资重点。MBIE新西兰AI战略、科技投资进展
这套方向适合鼓励一般商业软件，却不足以独立处理能够移动、诊断、分配资源或影响人身安全的系统。物理AI进入医院、道路、港口、农场和公共服务以后，政府最大的影响力未必来自再写一份原则，而是来自采购合同。
公共机构可以要求供应商披露测试边界、事故报告机制、数据去向、网络安全安排、人工接管设计和退出方案；可以规定系统更新后必须重新验证；也可以确保机构能够迁移数据和更换供应商，而不是被一个封闭模型长期锁定。
MBIE自己的责任AI指南已经建议建立风险清单、业务连续性和退出策略，并明确跨部门问责。MBIE治理与问责指南
下一步应当把这些建议从“好做法”变成高风险政府采购的最低条件。
社会需要的不是一个总开关，而是一套可执行的停止权
关于AI的公共讨论经常在两个极端之间摇摆：一端宣称超级智能将解决疾病、教育和生产率问题；另一端把所有风险都压缩成遥远的机器灭绝人类。
这两种叙事都可能让眼前的工作消失。真正需要决定的是具体问题：一台系统能在哪些环境运行？谁负责验证？发生险情必须向谁报告？受到自动决定影响的人怎样申诉？劳动者是否有权停止它？供应商退出市场以后，公共服务能否继续？
这些问题没有科幻电影那么宏大，却决定技术在现实社会中如何分配权力。
李飞飞对空间智能的愿景之所以重要，不只是因为它可能给AI一个世界，更因为它迫使人类重新定义自己在这个世界里的位置。
一台机器真正成熟的标志，不是它永远不犯错。那是不现实的。成熟意味着它的能力边界可以被测量，错误可以被追溯，受影响的人可以获得解释，而现场的人拥有在危险来临前让它停下的权力。
如果社会没有先建立这种停止权，那么AI即使拥有了眼睛和身体，也仍然缺少最重要的一部分：对人类负责的制度。
资料与方法： 本文依据公开访谈、World Labs资料、Stanford AI Index及新西兰政府文件独立分析，资料截至2026年10月29日。企业对产品用途与能力的描述属于其自身陈述，本文未进行产品测试。机器人基准反映特定测试条件，不能直接外推至全部现实场景。本文为此前空间智能报道的治理姊妹篇，避免重复技术介绍。
