World Labs Atlas - 多模态世界模型

产品简介

Atlas 是由李飞飞联合创立的人工智能公司 World Labs 于 2026 年 9 月 1 日发布的全球首个多模态世界模型。作为一款从零开始预训练的 omni 模型，Atlas 原生支持文本、图像、视频、相机位姿与 3D 深度五类输入，能够在统一的空间上下文中完成世界生成、空间重建和时空模拟三大任务。李飞飞将 Atlas 定位为空间智能的核心基础设施，目标是让 AI 真正理解并建模三维物理世界。

核心功能

• 相机控制生成：仅需 1~6 张参考图像，即可生成最长 1 分钟、1440p 分辨率的连续视频，支持像素级相机轨迹控制
• 空间重建：基于 1 张到数十张输入图像，重建现实场景并输出点云、3D 高斯泼溅等显式 3D 表示
• 时空模拟：输入视频即可转换观察视角，支持机器人 Real-to-Sim 工作流，用于训练数据生成
• 文本生图：根据文本提示生成图像和 360 度全景图，支持复杂提示词和多种视觉风格
• 跨视角合成：将两张无关图像放入共享三维空间，生成两者之间的平滑过渡世界
• 稀疏视角 3D 重建：仅需 2~25 张普通游客照即可重建斯坦福主方庭等复杂场景

特色优势

• 原生多模态架构：采用多模态自回归扩散 Transformer，所有输入统一锚定在三维空间上下文中
• 超越专业模型：稀疏视角 3D 重建在 DTU、ETH3D、ScanNet 数据集上误差分数达 25.3‰，优于 Pi3X（28.7）和 Depth Anything 3（39.3）
• 生成质量领先：相机控制生成任务中，Atlas 面对 MiniMax H3 胜率 75%、Gemini Omni Flash 胜率 81%、FLUX 3 胜率 93%
• 可扩展性：性能随训练算力增长而提升，官方预计这一趋势将持续
• 应用导向：已与部分早期合作伙伴推进落地，未来将作为 Marble 等产品的底层模型

应用场景

• 影视与视觉特效：用少量照片还原完整 3D 场景，大幅降低特效制作成本
• 机器人训练仿真：将真实场景快速转化为仿真环境，解决机器人训练数据不足问题
• 建筑与室内设计：从多角度照片生成逼真设计方案和空间漫游
• 游戏与虚拟现实：根据真实世界图像生成可交互的虚拟环境
• 电子商务：从产品图像生成多角度展示和沉浸式购物体验
• 文化遗产保护：对文物和历史建筑进行数字化 3D 重建

适用人群

• AI 研究人员与机器人工程师
• 影视特效团队与游戏开发者
• 建筑师与室内设计师
• 自动驾驶与具身智能开发者
• 元宇宙与虚拟现实内容创作者

出品方

公司名称：World Labs，总部美国旧金山，创始人李飞飞（斯坦福 AI 实验室前主任），2026 年 2 月获 10 亿美元融资

更新动态

2026 年 9 月 1 日 Atlas 正式发布，向部分早期合作伙伴开放内测

官网链接

https://www.worldlabs.ai