人工智能先驱李飞飞创立的空间智能公司 World Labs 于 2026 年 9 月 1 日推出了 Atlas，并将其描述为下一代“全向”世界模型。该团队在公司博客文章中表示，Atlas 是从头开始进行预训练的，可以在文本、图像、视频和 3D 上进行本地操作——这是一个为生成、重建和模拟世界而构建的单一模型，而不是专门从事其中任何一项任务。
这次发布是李自创立公司以来一直倡导的世界模型论点的一个里程碑：人工智能的下一个前沿不仅在于语言，还在于理解世界如何出现、行为和演化的系统。世界实验室将该技术作为为创意用户渲染想象世界、高保真度模拟现实世界以及帮助机器人规划行动的基础。有关此研究工作和其他前沿研究工作的更多信息，请探索我们的人工智能行业报道。
一个模型，一个共享的空间环境
从架构上来说，Atlas 被世界实验室称为多模式自回归扩散变压器。就像大型语言模型一样，它首先将其输入编码到上下文中，然后根据该上下文生成输出。区别在于空间：每个输入图像都基于空间中的 3D 位置，形成该公司所谓的空间上下文，Atlas 会生成接下来的内容，同时与它所看到的一切保持 3D 一致 - 想象它之外的内容。
这种设计实现了传统视频生成器难以实现的功能。两个不相关的参考图像可以放置在不同 3D 位置的环境中，Atlas 将生成一个在它们之间平滑插入的世界，发明出门口、走廊和过渡，合理地连接两个场景。该公司还表示，该模型是按比例构建的，随着训练计算的增加，性能也会提高。
像素完美的相机控制和长视频
Atlas 的字幕生成功能是摄像机控制的视频。该模型可以根据精确指定的摄像机路径，从一到六张输入图像生成长达一分钟的 1440p 分辨率视频。 World Labs 强调，相机几何形状是一种原生输入类型（超越粗略的文本提示），因此创作者可以构建每个镜头并控制每个动作。在演示中，团队手工设计了场景中的摄像机路径，以产生连贯的一分钟剪辑，将体验描述为“坐在导演的椅子上”，而不是拉动老虎机的杠杆。
该模型还可以根据文本生成图像和 360 度全景图，能够遵循复杂的提示、渲染文本并产生各种视觉风格。
挑战专业模型的重建
在重建方面，World Labs 提出了一个大胆的主张：Atlas 可以从少至两到三张普通图像重建现实世界场景，“优于仅针对 3D 重建专门训练的模型的最先进结果。”该公司将稀疏输入的新颖视图合成称为 3D 计算机视觉中数十年历史的基本问题。
Atlas 还可以摄取一百多个输入图像，以忠实地再现真实环境。在一次演示中，该团队利用两到二十五张地面照片一点一点地重建了斯坦福大学的主广场，然后生成了在校园上空飞行的空中路径，填补了相机从未捕捉到的视野。
对于实际应用来说，Atlas 并不仅仅停留在 2D 帧上。它本身在图像帧和 3D 深度图上运行，将世界输出为点云或 3D 高斯图，以高分辨率和帧速率在设备上渲染。这与 World Labs 的第一个产品 Marble 中使用的表示相同，因此 Atlas 输出可以直接插入公司现有的管道中。
从子弹时间到机器人训练
Atlas 的模拟能力对于机器人技术来说可能最为重要。该公司表示，只需三个普通手机摄像头（安装有三脚架和可放入背包的夹子）拍摄的镜头就足以让 Atlas 重建场景并实现从不可能的角度进行“子弹时间”重新取景，无需专门的捕捉工作室。
对于 Real-to-Sim 工作流程，Atlas 从简短的手机视频中重建空间，然后生成模拟机器人的身体安装摄像头将沿着路径观察的 RGB 和深度数据 - 世界和机器人的视角来自同一模型。该公司展示了每个使用 24 帧的大型扫描环境中的导航，以及操作场景，在模拟任务后，可以通过更改对象、位置和场景来改变模拟任务。
为什么它很重要
世界模型越来越被视为大型语言模型的补充：法学硕士对世界的描述进行推理，而世界模型旨在对世界本身进行建模——随着时间的推移，它的几何、物理和动力学。如果 Atlas 的说法经得起外部审查，其应用范围将涵盖视觉特效、游戏、设计、工程和机器人训练，其中合成但物理上合理的环境可以大大降低训练机器行动的成本。
该模型背后的公司本身就很引人注目。 World Labs 由斯坦福大学教授李飞飞 (Fei-Fei Li) 与贾斯汀·约翰逊 (Justin Johnson)、本·米尔登霍尔 (Ben Mildenhall) 和克里斯托夫·拉斯纳 (Christoph Lassner) 共同创立，李飞飞是斯坦福大学教授，他创建的 ImageNet 帮助点燃了深度学习时代，其投资者包括 a16z、Nvidia、AMD、英特尔、Adobe、Salesforce 和三星等。 Marble 是该公司的首款产品，可让用户通过图像、视频、文本和 3D 布局创建持久的 3D 世界，World Labs 表示 Atlas 将为该产品的未来版本提供支持。
Atlas 尚未全面上市：该公司正在接受早期访问请求。尽管如此，这一发布仍然标志着人工智能系统迄今为止最具体的步骤之一，人工智能系统不仅描述了物理世界，而且还拥有一个一致的、可操作的模型。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
