夜雨聆风1950年，图灵提出那个著名的问题："机器能思考吗”？
七十六年后的今天，世界模型已经走到了前沿。
海德格尔将人定义为"在世界中的存在"；
梅洛-庞蒂认为身体是理解和介入世界的媒介；
哲学传统认为对世界的空间式参与，构成了"我是谁"的核心部分。
此时的问题或许不再是对机器能否思考的追问：
而是机器能不能像我们一样，在这个世界中存在？
当AI学会"在场"，人类对自己"在此"的理解，还站得住脚吗？
今天最先进的大语言模型，被概括为一句话：
"黑暗中的文字匠：雄辩而缺乏经验，博学却缺乏根基"。
GPT-5能写一首关于咖啡香气的诗。可它不知道杯子的形状，不理解液体倒进去是怎样从杯壁流向杯底，更感受不到手握杯子是什么温度。它拥有整个互联网的文字，却对物理世界一无所知。
引经据典、逻辑严密、情感充沛。很多人相信，语言是智能的翻译器，说得够好等于懂了。事实上它只是冰山一角，水面之下，还藏着一片广阔又古老的疆域：空间智能。
认知的脚手架
空间智能被定义为认知脚手架。
脚手架的隐喻将空间能力定位为基础设施。婴儿学会交流前，能伸手抓摇铃、将勺子送进嘴里、被抱起时调整姿态。一只猫不需要任何语言训练就能从冰箱跳到桌面、在两栋楼之间穿梭、在黑暗中扑捉猎物。这些能力是近五亿年进化打磨出来的系统：感知形状、估算距离、预测运动、推理物理关系。
人类文明的不断突破，都依赖这套系统。埃拉托斯特尼测量地球周长，把影子变成几何计算；哈格里夫斯发明珍妮纺纱机，靠的是一个空间洞察，把纺锤并排排列，生产力翻八倍；沃森和克里克发现DNA双螺旋结构，靠的是亲手摆弄金属板模型，直到碱基对的排列"看起来是对的"。
今天的AI在这方面表现如何？估算距离和大小仅比随机猜测略强。无法"心理旋转"一个物体，走不了一个迷宫，不能直接预测基本物理规律，生成的视频播放几秒就可能失去连贯性。一个能通过律师资格考试的AI，无法越过三岁孩子的空间测试，这和聪明没关系，和从未踏入三维世界，一直暗居在文字的平面里有关系。
从说话到在场
世界模型正让AI从"说话"升级为"在场"，三种能力同时加载：
生成式。生成文字或图片是LLM擅长的。生成完整的、内部一致的三维环境是世界模型正在做的：有几何关系、物理规律，还有因果链条，一个可以推开门走进去、转一圈的空间。
多模态。除了熟知的图片、视频、深度图、文字能力，还支持手势甚至动作指令，输出的是对世界状态的预测，不再是纸上谈兵。
交互式。使用者任何行动，系统会根据动作实时响应下一状态。推开一扇门，光线照进来；踢翻一张椅子，倒下的轨迹符合物理定律。
World Labs已经做出了第一个原型，代号Marble。听起来像不像游戏引擎？不完全是。游戏引擎里的每个物体都需要人工建模，世界模型的野心是：给一个概念，它自己生成整个世界。
创造力门槛消失之后
世界模型的出现最直观的是对创造力的冲击。导演不再需要搭建布景，仅描述场景就能得到完整的三维空间；建筑师不再需要画草图，说出功能需求就可漫步于建筑模型中；小说家不再用文字引导想象，可以建造读者直接进入的故事世界，创造的门槛确实消失了。
除了对创造力的冲击，随之消失的，可能还有对"创造"本身的定义。
历史上每次创作工具的升级都引发过类似焦虑。摄影风潮诞生时，画家们担心机器复制现实后绘画的意义无存，后来摄影没有取代绘画，反而催生了印象派、立体主义、抽象表现主义。绘画从复制现实中解放出来，走向了机器无法触及的领域。从这个角度看，空间智能驱动的AI，大概率会带来类似重塑。
但有一点，摄影替代的是手艺活，而空间智能挑战的是亿万年进化而来的，高阶认知力的稀缺性。
约5亿年前，地球上最早的多细胞生物开始发展出感光能力——能分辨明暗。这是空间智能的起点：生物第一次"感知"到了外部世界的空间属性。此后数亿年的进化中，空间感知能力经历了从平面到立体、从静态到动态、从感知到推理的漫长升级。
脊椎动物进化出双眼视觉，获得了深度感知能力。哺乳动物长出了海马体，能够在脑海中构建环境的空间格局；一只老鼠只需要跑过迷宫就能记住路线；灵长类动物长出了发达的顶叶皮层，能够进行复杂的空间操作和心理旋转（mental rotation）。最终，人类大脑将空间智能与语言、逻辑、社会推理等认知能力融合在一起，形成了独一无二的人类智能。
李飞飞描述当前的AI是"黑暗中的文字匠"，它能在语言的海洋里游得很快，但它至今还未游至岸边，这听起来像不像达尔文主义一次新型的物种进化轮回？
压缩亿万年
如果说创造力的冲击还属于工具升级，一个很少提及的正面讨论便值得关注：当机器具备了真正的空间智能，对"人"的定义会不会动摇？
海德格尔将人定义为"在世界中的存在"。梅洛-庞蒂认为身体是理解和介入世界的媒介。两种哲学传统一致认为：对世界的空间式参与，构成了"我是谁"的核心部分。机器以越来越接近人类的方式参与这个世界：感知、移动、操作、交互，它不只是在模仿一项技能，而是在逼近一种存在方式。
这就引出了一个更宏大的追问。
距离自然界在远古动物身上首次点燃空间智能的火花，已近五亿年。从最早的多细胞生物学会区分上下前后，到灵长类发展出手眼协调，再到人类祖先制造工具、在草原上追踪猎物，每一步都是空间智能的迭代升级。现在，一个由硅片和代码构成的系统，正试图用几十年复刻这个过程。从ImageNet到GPT，从GPT到世界模型，压缩的是亿万年进化。
乐观地说，空间智能将帮人类解决纯靠语言无法处理的问题，气候模拟、药物发现、基因模拟、材料科学，人类获得了一个前所未有的认知加速器。
审慎地讲，每项强大的新技术都会重新定义权力结构。谁能访问最好的世界模型？谁有可能被锁定在外？如果空间智能成为基础设施，不具备这种能力的群体会不会掉队？
更进一步，如果把越来越多的认知能力外包出去，最终剩下的那个内核是什么？以人类智能现有的带宽基础，足够驾驭它吗？
不论悲观叙事，这是一个工程问题，不断把子模块抽象出去之后，总有一天需要问：主程序到底在干什么？
享受咖啡时光
1950年，图灵提出那个著名的问题："机器能思考吗？"七十五年后的回答不是"能"或"不能"，它需要一个转向：
也许真正的问题是，机器能不能像我们一样，在这个世界中存在？
一旦机器掌握了空间、物理、身体、环境这些思维的物质基础，必须面对的问题是：当AI学会了"在场"，人类对自己"在此"的理解，还站得住脚吗？
一边喝着咖啡一边想吧，感受杯壁的温度，看着液面的流动，闻着香气飘散的方向。这些体验本身构成了一部分答案，而AI暂时还做不到。
