李飛飛 World Labs 發佈 Atlas 世界模型：多模態空間智能生成1440p影片、3D重建，機器人訓練迎來新紀元

引言

2026年9月1日，由AI先驅李飛飛（Fei-Fei Li）聯合創辦的 World Labs 正式發佈 Atlas——一個專為空間智能設計的「全能」世界模型。Atlas 採用多模態自回歸擴散Transformer架構，能夠在統一的空間框架內原生處理文字、圖像、影片和3D數據，生成長達一分鐘的1440p高清影片，並實現精確的3D場景重建。

Atlas 的核心能力

相機控制生成

Atlas 最引人注目的能力之一是精確的相機控制生成。用戶可以從參考圖像出發，定義具體的相機軌跡，系統將生成在3D空間中保持一致性的場景影片，解析度高達1440p，時長可達一分鐘。

這一能力對電影製作、遊戲開發和虛擬現實內容創作具有革命性意義——創作者無需昂貴的攝影設備，即可生成任意視角的高質量影片內容。

空間重建

Atlas 能夠從數量不等的輸入圖像（從單張到數十張）重建真實世界場景。與專門的開源3D重建模型相比，Atlas 通過其內部世界知識填補空白，輸出明確的3D表示，包括點雲（Point Clouds）和3D高斯散點（3D Gaussian Splats）。

時空模擬

Atlas 同時建模空間結構和時間演化，支持：

• 「子彈時間」風格影片重構：從簡單相機設置生成多視角慢動作效果
• Real-to-Sim 工作流程：生成逼真的RGB和深度數據，用於在多樣化虛擬環境中訓練和測試機器人

圖像生成

除世界建模外，Atlas 還具備強大的圖像生成能力，支持文字到圖像和360度全景圖生成，具有複雜的提示遵循能力和文字渲染功能。

技術架構：多模態自回歸擴散Transformer

Atlas 採用多模態自回歸擴散Transformer架構，這一設計將輸入視為植根於3D空間上下文的序列，允許模型生成以該上下文為條件的輸出。

通過結合大型語言模型（LLM）的自回歸特性與現代影片生成中的潛在擴散技術，Atlas 受益於兩個領域的架構和系統進步，包括擴散蒸餾（Diffusion Distillation）和無分類器引導（Classifier-Free Guidance）等技術。

World Labs 的發展歷程

公司背景

World Labs 由AI研究先驅李飛飛聯合創辦，她以在ImageNet和計算機視覺領域的開創性工作而聞名。公司的使命是開發能夠理解和生成物理世界的AI系統。

融資歷程

• 總融資：12.3億美元
• 2026年2月：完成10億美元融資輪，投資方包括 Autodesk、AMD、NVIDIA 和 Fidelity
• 2026年7月：收購 SceniX，增強機器人相關空間智能能力

產品演進

• 2025年11月：發佈首個商業多模態模型 Marble
• 2026年1月：推出 World API
• 2026年9月：發佈 Atlas 世界模型

對機器人和自動化行業的影響

Real-to-Sim 的突破

Atlas 的 Real-to-Sim 工作流程對機器人訓練具有深遠意義。傳統上，機器人需要在真實環境中進行大量試錯訓練，成本高昂且耗時。Atlas 能夠從真實場景圖像生成逼真的虛擬訓練環境，大幅降低機器人訓練的成本和時間。

亞太地區的應用前景

亞太地區在製造業自動化和機器人應用方面處於全球前列。Atlas 的能力對以下領域具有特別重要的意義：

• 日本和韓國的製造業機器人：利用Real-to-Sim加速工廠自動化
• 中國的物流機器人：在虛擬環境中訓練倉儲和配送機器人
• 新加坡的智慧城市項目：生成城市環境的3D模型用於規劃和模擬

訪問方式與商業化

Atlas 目前不是開源模型，而是通過雲端訪問的專有模型。World Labs 在發佈時開始接受早期訪問申請，計劃將 Atlas 整合到其商業產品（如 Marble）的未來版本中。

行業競爭格局

Atlas 的發佈正值空間AI和世界模型領域競爭加劇之際。Google DeepMind、Meta 和多家初創公司都在積極開發類似能力。World Labs 的差異化優勢在於：

• 李飛飛在計算機視覺領域的深厚學術背景
• 對空間智能的專注定位
• 強大的機器人訓練應用場景

結語

Atlas 的發佈標誌著世界模型技術的重要里程碑。通過將文字、圖像、影片和3D數據統一在空間框架內，Atlas 為機器人訓練、影視製作、遊戲開發和虛擬現實等多個行業提供了強大的新工具。隨著空間AI技術的持續發展，我們正在進入一個AI能夠真正理解和生成物理世界的新時代。

---

資料來源：World Labs 官方博客、Crypto Briefing、KuCoin（2026年9月）