事件：李飞飞团队发布全模态世界模型 Atlas
9 月 1 日，李飞飞联合创办的 World Labs 在官方博客发布下一代世界模型 Atlas（官方公告原文）。这是从零预训练的全模态（omni）模型，原生支持文本、图片、视频和 3D 四种模态，官方将其定位为"空间智能"路线的核心引擎，也是这家累计融资超 10 亿美元的公司首次把模型能力开放给外部用户。
Atlas 不是单纯的图像或视频生成器，而是一个试图理解"世界如何呈现、如何运转、如何演化"的通用世界模型：生成全新场景、从少量照片重建真实环境、模拟空间随时间的变化。官方称其性能会随训练算力增加而持续提升，并明确 Atlas 将驱动未来版本的 Marble 及其他产品线。这条消息发布后连续几天在中文社区发酵，知乎相关讨论热度达到数百万级。
单图重建 3D 场景，附赠 360 全景生成
Atlas 最直观的能力是从一张照片出发重建一个完整 3D 场景。它会把输入的每张图片锚定在三维空间中的具体位置，形成"空间上下文"，再基于这个上下文生成其他角度的视图。官方演示中，只给一张花园照片，Atlas 就能生成俯瞰视角，补全照片里没拍到的房屋侧面和周围环境。
与依赖大量视角照片的传统方案不同，Atlas 用两到三张图就能得到相当忠实的重建结果，稀疏视图重建表现超过专门做 3D 重建的专用模型；输入上百张图片则可近乎精确复刻真实环境，对需要快速数字化真实空间的场景是实质性的简化。
更值得注意的是显式 3D 输出：Atlas 原生同时处理 2D 图像帧与 3D 深度图，可直接输出点云或 3D 高斯泼溅（3D Gaussian Splat），这与现有 Marble 产品的表示方式一致，生成结果可无缝接入 World Labs 工具链。
图像生成虽不是 Atlas 的主业，但也支持从文本生成图片与 360 度全景图，能遵循复杂指令、渲染文字并覆盖多种视觉风格，官方解释"每一张图都是一扇通往可能世界的窗口"。360 全景能力对 VR 内容、虚拟看房、游戏关卡概念设计有直接用途，还能与其它参考图组合扩展成更大范围的连续场景。
摄影机级视频控制：1440p 一分钟成片
视频生成是 Atlas 另一块核心能力。它支持"像素级摄影机控制"，把精确的摄影机几何参数作为原生输入，而不是靠文字大致控制运镜。用户可手工设计摄影机路径，Atlas 沿路径生成连贯画面，最长输出 1440p、一分钟的视频。
官方把这种体验比作"坐在导演椅上布景"：每一场戏、每一个机位都可由用户设计，而不是像抽卡一样反复试 prompt。它还支持把两张互不相关的参考图放到同一个空间上下文里，Atlas 会自动构思走廊、门洞等过渡结构，把两个场景平滑拼接成一个连贯世界。
对视频创作者和影视预演团队来说，原本需要实景拍摄或昂贵 CG 的镜头，现在可基于少量素材生成多角度版本。官方还演示了"子弹时间"：用三到五台手机拍一段动作，Atlas 即可从任意新角度重放，不再需要专业多机位摄影棚。
真实转模拟：机器人训练的数据工厂
Atlas 的空间时间模拟能力直接与机器人研发挂钩。官方展示"Real-to-Sim"（真实到仿真）工作流：用手机拍摄一个大空间，Atlas 重建 3D 场景后，可模拟机器人沿不同路径移动时车载摄像头看到的 RGB 和深度画面——世界本身与机器人看到的画面来自同一模型，天然一致。
机械臂操作更进一步：从几段随手拍的视频出发，Atlas 能重建物体如何移动和相互作用，再在仿真里随意改变物体位置、机器人动作、光照和背景，批量生成多样化训练数据与测试环境，回应了机器人领域"高质量仿真数据稀缺"的长期痛点。
对机器人创业公司和高校实验室，仿真环境构建成本可能从"专业设备加数月人工"降到"几部手机加数小时"，小团队也能负担。当然仿真与真实仍有差距，最终效果需结合自家平台实测验证。
架构怎么看：多模态自回归扩散 Transformer
Atlas 的底层架构是多模态自回归扩散 Transformer。简单拆解：多模态指它原生处理文本、图像、摄影机位姿和 3D 深度图，视频按图像序列处理；自回归指它像大语言模型一样逐元素生成序列，每个新元素基于之前上下文；扩散指它用整流流（rectified flow）逐步去噪生成高维连续数据，可通过调节去噪步数在速度与质量间取舍。
这种设计两头受益：像大语言模型一样可利用 KV 缓存、分离式部署等推理加速技术；像图像视频模型一样可利用扩散蒸馏、无分类器引导等生成优化算法。官方称 Atlas 是为未来世界模型打底的新基础架构，而非在现有模型上修补。对开发者而言，它大概率会沿着"算力越大、能力越强"的 scaling 曲线演进，不会停留在当前版本的能力边界。
与 Marble 的关系和上手路径
Atlas 与上一代产品 Marble 是继承而非替代关系：Atlas 将成为未来 Marble 版本及其它产品的能力底座。现有 Marble 仍可正常使用，地址为 marble.worldlabs.ai，用户现在就能体验世界模型的生成、编辑与导出流程。
想第一时间试用 Atlas 的读者，目前官方开放的是早期体验（early access）通道，建议关注 World Labs 官方博客与 Marble 产品页的申请入口；由于 Atlas 主打显式 3D 输出，试用时最好准备能展示 3D 结果的工作流（如渲染软件或游戏引擎），而不只是看 2D 视频样片。官方对模型参数、上下文长度、API 定价等细节尚未公布。想验证效果，最可靠的方式是拿自己的实拍照片跑一遍重建，对比传统摄影测量方案的时间与成本。
行业影响与下一步关注
Atlas 把"世界模型"从学术概念推向可用的产品化形态：对影视特效团队，它可能改变预演和虚拟制作的素材生产流程；对游戏行业，它降低可探索 3D 场景的生成门槛；对机器人领域，它提供低成本仿真数据生产线；对普通创作者，单图出可探索 3D 世界意味着全新的表达方式。
竞争层面，世界模型赛道已聚集多家玩家——Google 的 Genie、英伟达的 Cosmos 等都在推进类似方向。Atlas 的特殊之处在于把 3D 重建、视频生成、显式 3D 输出整合进同一模型，并强调摄影机级别的精细控制，这是目前多数视频模型缺失的能力。
接下来值得关注三件事：Atlas 何时从 early access 全面开放并公布定价；未来 Marble 版本承接 Atlas 的哪些能力；官方 scaling 承诺能否兑现——若持续随算力增长，世界模型会成为继语言模型之后下一个快速迭代的战场。
来源与说明
本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。
原始来源：https://www.worldlabs.ai/blog/atlas
如发现事实、价格或链接有误，可通过 联系我们 提交更正。
常见问题
Atlas 和普通 AI 视频生成工具有什么区别？
普通视频工具按文字或图片生成一段画面，机位和场景往往不可控；Atlas 把每张输入图锚定在 3D 空间里，支持像素级摄影机控制、显式 3D 输出（点云/3D 高斯泼溅）和真实到仿真模拟，本质是"理解空间的世界模型"，而不只是生成器。
我现在能用上 Atlas 吗？
官方已启动 early access 并逐步开放外部用户，建议关注 World Labs 博客和 Marble 产品页的申请入口。模型参数、API 定价等细节官方尚未公布，等到全面开放后再评估成本更稳妥。
一张图重建 3D 场景的效果可靠吗？
官方演示中单图能补全场景的合理延伸，但照片没拍到的部分是模型"想象"出来的；输入图片越多，重建越忠实，两到三张图通常就能得到可靠结果，需要精确复刻真实环境时应多给输入图。
机器人团队用 Atlas 需要什么条件？
按官方 Real-to-Sim 流程，几部手机拍摄 + 少量输入图即可构建仿真环境和机器人视角数据。建议先拿自家场景小规模验证仿真与现实的效果差距，再决定是否投入正式研发流程。
Atlas 会开源吗？
官方目前没有公布开源计划，公开信息显示以产品化路线为主（驱动 Marble 等产品）。模型权重与训练细节均未披露，依赖开源的团队应关注世界模型开源阵营（如 Google Genie、英伟达 Cosmos 相关项目）作为替代。