最近，AI 领域的两位泰斗——斯坦福教授李飞飞和 Meta 首席 AI 科学家 Yann LeCun，不约而同地将研究重心转向了 “空间智能”，而非当前热门的 LLM。

他们为什么另辟蹊径呢？这样的 AI 新方向对测试行业又意味着什么呢？

1.屏幕之外的智能

虽然扎克伯格开始另起炉灶，为 Meta 的 AI 正规军招兵买马，但是我们依然看到 LeCun 从未放弃自己的理念。

他一直强调，目前的大语言模型（LLM）擅长文本预测，但缺乏对物理世界的理解。

他提出的 “世界模型”（如 V-JEPA 2），能从视频中抽象出环境的本质信息，而非停留在像素层面。

这就像物理学家通过粒子来理解世界一样，能帮助 AI 建立思考、推理和规划的能力。

而李飞飞在 ImageNet 上功成名就后，并没有停下自己的脚步，并开始为推动 “空间智能” 的革命而努力着。

她坚定地指出 AI 要进入三维世界，必须具备 “看懂→预测→行动” 的能力。

她的团队通过模拟环境训练 AI，让机器人学会了搬运、开门等现实任务，这就是 “世界模型” 雏形。

而她创建并掌管的 World Labs 短时间内获得巨额融资，也印证了这一方向的巨大潜力。

2.空间计算产业现状和高纬度融合

研究领域的一些进展，恰恰反映出了产业上的趋势。

当前，“空间计算” 正迅速发展，并且预估到 2032 年将突破 8250 亿美元。

“具身智能” 也被视为 AI 的下一个主战场，它涉及机器人、自动驾驶、智慧医疗等领域。

一些硬件厂商（如 Apple Vision Pro）和平台方（如 Unity、Unreal）为空间智能提供基础架构。

制造业巨头（如博世、宝马）则利用数字工厂实现现实与虚拟的闭环优化。

空间智能使得 AI 智能体（Agent）能真正地规划、执行并纠正在工业环境中的行动。

LeCun 的世界模型和李飞飞的空间智能正在实现某种更高维度的融合——世界模型理解环境，大语言模型提供推理和规划，物理 Agent 执行行动。

这种融合将实现 AI 不断感知世界、预测未来、制定行动并从反馈中持续学习，最终形成 “人机共生” 的智能体。

3.测试行业的挑战与新价值

走入 “空间智能” 这个赛道，对个工程制造和软硬件集成都会带来前所未有的挑战。

而这一切，也将会给测试行业带来一个全新的局面，以及可能面对的挑战：

多模态集成测试：将不再局限于 GUI 和 API，而需覆盖视觉、语音、物理传感器等组件的质量评价和保证。

空间推断与规划验证：需设计大量 3D 场景，测试 AI 对物体几何、空间关系的理解和路径规划的准确性。

闭环系统端到端验证：确保 “感知→预测→规划→执行→反馈” 全流程无中断，并验证异常处理和恢复能力。

安全与实地可靠性：AI 决策故障可能导致严重后果，需在仿真和现实环境双重验证，确保安全行为受到约束。

挑战越大，对测试价值带来的提升也越大，特别是当我们发现 “空间智能” 的系统面对更大的召回/劣质质量成本时。

此时，测试工程师将从传统的 “代码验证者” 进化为 “物理系统安全保障者”。并最终升级为传感器验证、仿真环境搭建、和物理 + 语言多模态交互系统的 “守护人”。

4.测试面向未来

“大模型替代软件测试” 的说法可能只是表象，而未来 AI 的战场可以延伸到屏幕之外的真实世界。

空间智能系统的高风险与高收益，使得软件测试人员成为保障系统安全、可靠和可落地的关键职位。

未来的测试员将从 “确保无 Bug” 转向 “确保系统在现实世界中可控、安全、有效”。

测试人员的价值，也会随着智能机器人、自动驾驶和智慧工厂的全面发展，重新站在风口浪尖。

张昊翔

2025/06/12

WeChat: hzhan11

QQ: 22321262

Email: xjtu_xiangxiang@hotmail.com

LinkedIn: https://www.linkedin.com/in/hzhan11/