想象一下，你家小区门口有个老司机，开了三十年车，人称“车神老王”。他开车有多厉害？雨天路滑，他能提前0.5秒松油门；前面有个小孩在追球，他还没看见球，就已经减速了；旁边车道有辆车稍微晃了一下，他就说“这货要变道，我让一下”。

老王开车，从来不看说明书，也不背交规。他就是“凭感觉”。这个感觉是哪来的？不是天生的。老王小时候爬树摔过，知道多高会疼；打篮球抢篮板，知道球往哪弹；骑自行车被汽车别过，知道大车有盲区。他6岁前，就在三维世界里摔打了无数遍。这叫“童年经验”。

现在再看另一个司机：小张，刚拿驾照，理论考试100分，交规倒背如流。但他有个问题——他是从游戏模拟器里学的开车，从来没摸过真车。

他在家玩了一万小时《侠盗猎车手》，每条路都跑过，每个路口都见过。然后有一天，他被直接扔到真车上：“上路吧，你理论满分！”

结果呢？第一个路口就撞了——因为他不知道屏幕里的车和真车，距离感完全不一样。现在的自动驾驶，就是那个小张。你可能会问：不对啊，现在的自动驾驶不是很厉害吗？特斯拉不是能自己开高速吗？

对，它能开高速，但遇到点新鲜的就不行了。比如：路上有个倒下的树，树枝伸出来。AI认出来了，这是树，绕过去了。但它没算树枝的高度——结果车顶被刮花了。因为它不知道树是立体的。

路边有个广告牌，上面印着一个逼真的人像。AI一脚急刹：“有人！”其实那人印在板子上。因为它分不清立体的人和平面的人。

前面有辆大卡车，AI知道要超车。但它算错了距离——因为它以为画面里那个“小”的卡车，就是真的小。它不知道，远处的物体看起来小，但其实很大。

这些错，都是同一个病：AI一直在看二维的画面，却要在三维的世界里开车。

过去的AI，就像一只“平面生物”

为了让你更好理解，咱们来打个更大的比方。

想象有一种生物，叫“平面人”。他一辈子活在一张纸上，只知道前后左右，不知道上下。他看世界，永远是俯视图——就像你在Google地图上看自己的家，只能看到屋顶，看不到窗户。

AI模型

这就是过去的技术比如:鸟瞰视角，把世界拍扁了看。后来平面人进化了，学会了“摸”。他能摸出物体的大小、形状。但他摸不出那是什么——摸到一个圆球，他知道是圆的，但不知道是西瓜还是皮球。因为没颜色、没纹理。

这就是另一种技术叫做占用网络，它知道哪里有东西，但不知道是什么。

平面人怎么学开车？他只能看行车记录仪的视频，一帧一帧地看。他看了一万小时，把所有的路况都背下来了。但他永远不知道，那个看起来很小的车，其实离他很近；那个广告牌上的人，其实是印上去的。

因为他没有“立体感”。

李想介绍他们的新办法：让AI长出“两只眼”

今天晚上，李想专门发了篇文章来描述这个事儿，如果我们老百姓能够看得懂的话，理想这次发布的新模型，核心就一件事：让AI长出两只眼，像人类一样看世界。

这个技术说起来也简单：以前AI看世界，是用多个摄像头分别看，然后拼起来——就像你看拼图，先把每片拼好，再拼到一起。但问题是，每片拼图都是平面的，拼出来也是平面的。

现在不一样了，这个技术让AI一开始就工作在三维空间里。它用多个摄像头，像人的两只眼睛一样，同时看，同时算，直接生成一个立体画面。

这就像你小时候玩的那种“3D立体画册”——戴上眼镜，画里的恐龙就跳出来了。AI现在就是“天生戴着3D眼镜”看世界。

它看到的不是画面，而是真实的空间：那里有个车，车头朝我，距离50米，速度每小时60公里，它在向左微微偏移——可能要变道。

所有的信息，一次算完：空间位置、物体属性、运动轨迹。

这时候，激光雷达变成什么？变成一把尺子。以前它是主角，现在它就是个测量工具，帮AI校准一下近处的距离。就像老司机偶尔瞄一眼后视镜，确认一下距离。

真正让AI开车的，是它的“两只眼”——摄像头+三维理解。

为什么以前没人这么做？因为太费脑子了！你让AI处理三维世界，相当于让一个人一边开车，一边在心里画3D建模。普通人的脑子转不过来，普通芯片也算不过来。

理想现在弄得这个AI，能看清500米以外的物体。比人眼还远。而且它不光看，还能想。

“想清楚了再开”是什么意思？

咱们再打个比方，老王开车，前面有辆车突然刹车。老王脑子里会快速闪过几个画面：那车会不会是看到前面有事故？那事故会不会波及到我？我要是变道，旁边车道有没有车？后面有没有车撞上来？——这些画面，在老王脑子里转一圈，可能只要0.3秒，然后他决定：先减速，不急着变道。

这叫“脑内模拟”，以前的AI不会这个。它只会“看到-反应”：看到前车刹车灯亮，它就刹车。但有时候刹车太猛，被追尾，有时候刹车太晚，追尾别人。

现在这个模型会先在脑子里“预演”几秒：如果我现在刹车，后面那辆车会不会撞我？如果我不刹车，前车会不会停下来？如果我从左边绕，左边那辆车会不会正好也变道？

想清楚了，再决定怎么做，这就像老司机开车，不是靠死记硬背，而是靠预判。

更有意思的是，这套模型不是专门为开车设计的。

同一个模型，给它装上机器人的身体，它就能控制机器人走路、搬东西。给它装上工厂的机械臂，它就能分拣货物。因为它的底层能力是“理解三维世界”——这本来就是所有物理智能的基础。

你可以把它理解成一个“物理世界的通用大脑”。开车只是它学会的第一件事。

就像小孩先学会走路，然后才能跑步、打球、跳舞。走路是基础，不是终点。

如果这个逻辑成立，那么有意思的问题就来了：AI需要“童年”吗？

AI需要童年吗？

人类小孩在0-6岁，做的那些看起来“没用”的事——玩沙子、追蝴蝶、扔球接球、躲猫猫——其实都是在为成年后的复杂技能打基础。没有这些“无用”的玩耍，就没有后来的“有用”的能力。

那AI呢？我们现在教AI，都是“目标导向”：学开车，就给它看行车记录仪；学下棋，就让它下棋；学写诗，就给它看唐诗三百首。我们从来不让AI“玩”——让它在一个虚拟的三维世界里随便跑跑，追追蝴蝶，扔扔球。

万一，“玩”才是AI真正需要的呢？

所以今天晚上，李想专门提出的这个概念，我们现在觉得AI“笨”，不是因为它数据不够多、算力不够强，而是因为它从来没有机会在三维世界里“长大”呢？

理想这个模型迈出了第一步：让AI从“看二维视频学开车”，变成“在三维世界里学开车”。但这只是开始。未来的AI，会不会也需要一个“幼儿园”？在幼儿园里，它不用学任何“有用”的技能，就是跑、跳、扔、接、躲、追——在玩耍中，建立起对物理世界的直觉。

等它“长大”了，再学开车、学搬东西、学做饭。那时候，它可能就像老王一样——不用想，就知道怎么开，不用算，就知道怎么躲。

那才是真正的智能，不是背答案的智能，是懂世界的智能！最后留个问题:如果AI也需要童年，那我们人类现在做的事——让AI从一出生就“卷”着学各种技能——会不会反而害了它？