World Labs 发布多模态世界模型 Atlas：从几张照片重建可进入的 3D 世界

李飞飞创办的 World Labs 发布了多模态世界模型 Atlas，以及基于该模型的第一个产品 Marble。这个产品试图把 AI 从"生成画面"推进到"生成可进入、可操控的世界"——用户可以从文字、图片、视频或 360 度全景图创建空间一致、高保真、持久的 3D 世界，然后在其中移动、编辑和居住。

什么是世界模型

World Labs 将自己定位为"空间智能"（Spatial Intelligence）公司。他们的核心理念是：空间智能将"看见"转化为"行动"，将"感知"转化为"推理"，将"想象"转化为"创造"。

世界模型不同于传统的图像生成模型。图像生成模型输出的是静态的 2D 画面，而世界模型输出的是一个完整的 3D 空间，包含：

• 相机位姿（Camera Pose）
• 3D 深度信息
• 空间关系
• 物体的几何和材质
• 可交互的环境

这意味着生成的不是一张图片，而是一个可以"走进去"的世界。

Marble 产品功能

Marble 是 World Labs 的第一个产品，基于 Atlas 世界模型构建。核心功能包括：

多模态输入

可以从多种输入创建详细的 3D 世界：

• 文字描述
• 图片参考
• 视频片段
• 360 度全景图

3D 布局控制

可以精确控制生成世界的 3D 布局，而不是完全依赖模型的随机生成。这对于需要特定空间结构的场景（如建筑设计、游戏关卡）特别重要。

交互式编辑

可以调整特定元素或重塑整个 3D 世界，完全控制生成结果。这不是一次性生成，而是可以反复迭代的创作过程。

扩展和组合世界

可以扩展、编辑和组合生成的世界，构建更大、更沉浸的环境。这意味着世界模型的输出是可组合的——多个小世界可以拼接成一个大世界。

多格式输出

支持下载和导出各种 2D 和 3D 格式，可以无缝集成到现有的工作流和管线中。这对于需要将 AI 生成的世界导入游戏引擎（如 Unity、Unreal）或 3D 软件（如 Blender）的用户来说至关重要。

应用场景

世界模型的潜在应用场景非常广泛：

• 游戏开发：快速生成游戏关卡和环境，降低美术成本
• 建筑设计：从文字或草图生成可交互的 3D 建筑模型
• 影视制作：预可视化（Pre-vis）和虚拟场景搭建
• 虚拟现实：快速生成 VR 环境内容
• 教育和培训：创建沉浸式学习环境
• 数字孪生：从照片重建物理空间的数字副本

技术意义

Atlas 代表了 AI 生成技术的一个重要方向：从 2D 到 3D，从静态到动态，从单帧到空间。传统的扩散模型（如 Stable Diffusion、Midjourney）擅长生成高质量的 2D 图像，但它们不理解 3D 空间。世界模型则原生理解相机位姿、深度和空间关系，这使得生成的内容具有空间一致性。

李飞飞作为计算机视觉领域的先驱，创办 World Labs 进入世界模型领域，也反映了行业的趋势：AI 的下一个前沿不是生成更逼真的图片，而是生成可交互、可推理的世界。

项目地址：https://www.worldlabs.ai/