人工智能研究员李飞飞联合创立的World Labs推出空间智能领域新世界模型Atlas。该“全能模型”采用统一架构，可处理文本、图像、视频及3D数据。
Atlas基于多模态自回归扩散Transformer从零预训练，能将多类型输入整合至统一空间语境。除生成图像外，还能结合物体与环境三维结构，预测场景不可见部分。
Atlas 核心特点
Atlas直接将相机位置与运动轨迹作为原生输入，区别于现有视频生成模型依赖文本指令描述相机运动的方式。用户可精准指定相机角度、位置及场景内运动路径。
支持1-6张参考图及预设相机路径，生成分辨率高达1440p、时长最长1分钟的视频。具备单图多视角预测及场景扩展能力，可将无关多图定位至三维空间并生成过渡效果。
真实世界空间3D重建
Atlas支持真实场景三维重建：单图即可生成新视角与3D几何结构；高精度需求下可处理数十至上百张图像。官方称2-3张照片足以重建多数场景，且输入越多，对不可见区域预测依赖越低，结果越贴近真实环境。
输出格式涵盖游戏、设计、VFX及机器人研究所需的三维点云与“3D Gaussian splat”。测试显示其在稀疏图像三维重建方面优于部分专用开源模型，但性能尚未获独立验证。
机器人仿真应用
Atlas可用于机器人仿真：通过手机拍摄的环境图像构建三维仿真，生成虚拟机器人在该环境中移动时的摄像头与深度传感器数据。支持调整物体位置、光照、背景及机器人运动，为训练测试创建多样化场景。
Atlas将成为World Labs未来三维世界平台Marble及其他产品的基础。目前仅面向选定合作伙伴提供早期访问，定价、公测时间、模型规模及训练算力等信息暂未公布。
World Labs由李飞飞团队于2024年创立，专注空间智能技术，致力于使AI理解物理世界及三维关系。公司2026年2月完成10亿美元融资（投资方含AMD、Autodesk、Nvidia、Fidelity等），累计融资额达约12.3亿美元。
图片：ChatGPT