北京时间9月2日，人工智能科学家李飞飞旗下人工智能公司World Labs宣布，推出新一代世界模型Atlas，可用于视觉特效、机器人模型训练等领域。该模型能结合图像、视频等输入，生成具备精准镜头控制的图像和长视频，并通过输入的图像重建3D空间。

　　发布新一代世界模型

　　李飞飞曾创建图像识别数据集ImageNet，推动了计算机视觉算法的发展。2024年，李飞飞创办AI公司World Labs，今年2月，公司宣布获得10亿美元融资，投资者包括AMD、英伟达、富达投资等。

　　根据World Labs介绍，世界模型能够生成、重建并模拟任意可能的世界，它能理解世界的呈现方式、行为规律与演化逻辑。在此基础上，这一模型既可为创意工作者渲染出想象中的虚拟世界，也能高保真地模拟现实世界，还可辅助机器人完成动作规划。

　　World Labs披露的资料显示，通过输入单张或多张图像，Atlas最高可输出1440p分辨率、时长1分钟的视频。依据一张至数十张输入图像，Atlas可以重建现实世界场景，并可输出显式三维结果。此外，Atlas可对输入的视频进行空间与时间上的建模， 重绘视频画面。

　　赋能创意工作者和机器人训练

　　World Labs网站展示的效果视频显示，通过一张或几张图片，Atlas可以重建一个3D空间，并生成任意视角的空间画面。对于影视工作者来说，这意味着，用几张照片就可以还原一个空间场景，大幅开拓了创作空间。

　　在工作原理上，与大语言模型LLM类似，Atlas首先将各类输入信息编码为上下文，再依据该上下文生成输出内容。每一张图像都会锚定在三维空间中的对应位置，由此构建出空间上下文。这使得Atlas模型具备世界认知能力与创造力，它甚至可以把两张毫无关联的参考图像放入上下文，并在三维空间中设定好二者的位置，随后就能生成一个在两张图像的内容之间实现平滑过渡的世界。

　　对于机器人模型训练而言，Atlas提供了新方案。为了提升机器人的泛化性，行业从业者除了在真实世界采集数据供机器人进行模型训练，也在数字世界构建仿真环境，让仿真机器人在其中训练。

　　World Labs表示，在机器人模型训练过程中，要将真实场景还原到数字世界，传统方式需要研究人员采集环境图像上传，需要复杂且昂贵的专业设备。而Atlas仅依靠少量简易录制素材，就可以辅助搭建仿真环境，同时还原物体的运动方式与交互行为。

　　李飞飞曾在公开采访中表示，语言模型有局限，而物理世界的理解和互动能力是AGI（通用人工智能）的关键一环。空间智能最直接的应用是机器人技术，此外也会赋能开发游戏、制作特效、虚拟制片、室内设计等领域。

　　清华大学智能产业研究院助理教授赵昊对记者表示：“多模态世界模型的难点包括表征怎么定义、数据怎么积累、架构怎么设计。从呈现的效果看，Atlas的泛化性很强，对于行业具有突破性意义。”

　　AI大模型已经从大语言模型、视频生成模型向世界模型发展。在世界模型与空间智能领域，国内企业群核科技已在港股上市，多家具身智能企业正在推进世界模型的研究，极佳视界、考拉悠然、三岳数维等公司也在开展相关研发工作。