Fei-Fei Li氏は、World Labsがチャットボットを超えて空間を理解するAIを目指していると語る

Why it matters

World Labs has raised at least $1.23B to make spatial models a foundation for creative software and robotics. The bet succeeds only if generated worlds preserve the geometry and physics required for reliable action.

Fei-Fei Liは、水曜日に公開されたBloomberg Technologyのインタビューを使ってWorld Labsの背後にある賭けを明確にした：言語モデルは話すことを学んだが、彼女の次の会社は機械に三次元空間内で理解し行動する方法を教えるつもりだ。

World Labsは言語と物理的理解の間のギャップを追求している。チャットボットは部屋を記述することができる。空間的に知能を持つシステムはその幾何学をモデル化し、内部で何が起きるかを予測し、最終的には人間やロボットがそれを変えるのを助けるだろう。

この賭けはLiのキャリアの軌跡に沿っている。彼女はImageNetの作成を主導した。ImageNetは現代のコンピュータビジョンを加速させた視覚データベースでありベンチマークである。彼女は2013年から2018年までStanford AI Labを率い、Google CloudでAIと機械学習のチーフサイエンティストを務めた。World Labsは、長年の視覚インテリジェンス研究を製品会社に転換する機会を、異例に厚い資金的支援とともに与える。

Liはコンピュータビジョンとグラフィックスの研究者であるJustin Johnson、Christoph Lassner、Ben MildenhallとともにWorld Labsを共同設立した。JohnsonはLiの下でStanfordのPh.D.を修了し、視覚的推論、画像生成、3D推論の研究に取り組んだ。MildenhallはNeural Radiance Fields、通称NeRFを共創しており、これは画像から三次元シーンを再構築する手法だ。Lassnerは以前Epic GamesやMeta Reality Labs Researchでグラフィックスと3D再構築の研究に従事していた。

Marble is the product version of Li's thesis

World Labsの最初の命名製品であるMarbleは、2025年11月12日に一般提供を開始したとされる。World Labsは、Marbleがテキスト、画像、ビデオ、あるいは粗いレイアウトから持続的でナビゲーション可能な3D環境を生成できると述べている。ユーザーはそれらの環境を編集・結合し、ビデオ、メッシュ、あるいはGaussian splatsとしてエクスポートできる。

その出力フォーマットはWorld Labsの提案の中核だ。生成されたビデオは視聴者に固定されたフレームの連続を与える。Marbleは、再訪問可能で、編集でき、異なる位置から検査できる環境を生成することを目指している。デザイナー、ゲーム開発者、視覚効果アーティストにとって、商業的な命題はアイデアや参照画像から使用可能な空間アセットへのより速い道筋だ。

World Labsが想定する顧客グループには、クリエイター、ゲームおよび視覚効果スタジオ、建築家、デザイナー、ロボティクス研究者、シミュレーション開発者が含まれる。そのプロ向けの焦点は、より大きなロボティクス野望が成熟するまでの短期的な市場を会社に与える。建築ビジュアライゼーション、バーチャルプロダクション、ゲームのプロトタイピング、製品デザインは、人間によるレビューをまだ必要とする生成環境を許容できる。ロボット訓練用のシミュレータは、幾何学、動き、または物理的挙動の誤りが現実世界で失敗するポリシーを生む可能性があるため、より厳格な基準に直面する。

$1.23B buys time for a difficult technical bet

World Labsは2024年9月に$230Mを調達して公に登場した。Andreessen Horowitz、NEA、Radical Venturesがその資金調達を支援し、Andreessen HorowitzとRadical Venturesはそれぞれ、空間的知性が新しいクリエイティブおよび産業用ソフトウェアの基盤になり得るというLiの主張を支持した。

2026年2月18日、World Labsはさらに$1Bの資金調達を発表した、これにより公表されている資本は少なくとも$1.23Bになった。World Labsは投資家としてAMD、Autodesk、Emerson Collective、Fidelity Management & Research Company、Nvidia、Seaを名を挙げた。BloombergはAutodeskがこのラウンドに$200Mを拠出したと報じた。

投資家リストは、ワールドモデルがどれほど速く戦略的インフラになりつつあるかも示している。Nvidiaは独自の物理AI向けプラットフォームであるCosmos 3を開発しながらWorld Labsに資金を提供している。Google DeepMindのGenie 3はテキストから対話型環境を生成し、リアルタイムのナビゲーション、一貫性、そしてシミュレートされたイベントを重視している。

World Labsは持続的で、編集可能で、エクスポート可能なワールドの周りに境界を引き、シミュレーションをクリエイティブツールと機械の橋渡しと位置づけている。Liはワールドモデルをレンダラー、プランナー、シミュレーターに分けて考えている。レンダラーは人が見るためのピクセルを生成する。プランナーはエージェントのための行動を選ぶ。シミュレーターは幾何学、物理、動力学を保存しようと試みることで、人間と機械の両方が結果を利用できるようにする。

World Labsはそのシミュレータ層へとさらに進んだ。7月21日にロボティクス企業SceniXを買収した。World Labsは、この組み合わせがワールドモデル、学習ベースのシミュレーション、現実世界のロボット訓練からのフィードバックを接続すると述べた。この取引によりLiはMarbleのクリエイター向け製品に並ぶロボティクス事業を手に入れ、彼女の広範な空間知能に関する主張を市場への二つのより明確なルートに変えた。

The physics still has to work

視覚的な品質だけでは、生成された環境が物理世界の信頼できるモデルであることを立証できない。2026年5月に発表されたCRONOSベンチマークを紹介する研究論文は、評価したオープンソースのビデオ生成モデル群において重大な反事実的一貫性の失敗を見出した。研究者が視点、物体の見た目、またはシーンの文脈を変えても基盤となる物理的事象を保持した場合に、予測が変わってしまったという。

CRONOSはMarbleを評価していないため、その所見がWorld Labsの製品の失敗の証拠というわけではない。むしろそれらはLiが選んだ技術的な基準を定義している。創造的に有用な環境は、不完全な反射や小さな幾何学的アーティファクトを許容できるかもしれない。ロボットを訓練するために使われるシミュレータは、カメラが動くときや物体の見た目が変わったときに一貫して応答しなければならない。

Liの有利な点は、コンピュータビジョン、ニューラルレンダリング、3D推論を中心に据えた創業者グループと、研究と製品開発を並行して追求するのに十分な資本があることだ。その利点に付随する負担も同様に明白だ：World Labsは、その環境が人間が探索する印象的なシーンであるだけでなく、信頼できる行動をサポートすることを示さなければならない。

他の最先端ラボもプロンプトボックスを超えたインターフェースとモデル能力を模索している。RuntimeWireは6月に、Mira MuratiのThinking Machines Labが連続した音声、テキスト、ビデオのインタラクションを探っていたと報じた。Liはより物理的な賭けをしている。World Labsは、エージェントがその内部で何かを試みる前に、そのエージェントの周りの空間の表現をAIに構築させたいと考えている。

決定的なマイルストーンは、これらの生成されたワールドがデザイナー、エンジニア、ロボットにとって信頼できる作業環境になるときに訪れるだろう。Liはその試みに必要な研究者と資本をすでに集めている。MarbleとSceniXの買収は、空間知能が魅力的な科学的方向性であるだけでなくビジネスにもなり得ることを証明しなければならない。