李飞飞团队谈 Atlas 世界模型:新视角预测是核心原语
a16z Podcast · rss · 2026-09-04
World Labs 联合创始人李飞飞、Justin Johnson 和 Ben Mildenhall 做客 a16z 播客，与 Martin Casado 讨论其最新世界模型 Atlas 与空间智能的路线图。
核心机制
- Atlas 的核心是「新视角预测」(new view prediction)：给定一个场景的若干图像，模型预测从空间和时间上另一位置看该环境会是什么样。
- 这把生成与 3D 重建统一进同一个模型，并引出一个更大的问题：预测视角能否成为理解物理世界的基础原语。
讨论要点
- 团队解释了模型背后的技术押注，以及 Atlas 目前能捕捉和不能捕捉的东西。
- 动态性(dynamics)、可编辑性(editability)与仿真能力被视为世界模型发展的关键。
- 应用方向涵盖创意工作、建筑与机器人；李飞飞认为当下最大瓶颈之一是真实世界训练数据的获取。
「多模态」频道最新
- StreamTalk 开源:语音输入直接输出 SMPL-X 身体动作 — multimodalart · 2026-09-04
- GPT Image 2 创意广告玩法:让产品成为世界里唯一的「缺失拼图」 — aziz4ai · 2026-09-04
- Google Atlas 视频模型实现像素级相机控制,支持鱼眼等非平面投影 — teortaxesTex · 2026-09-04
- 用 MiniMax H3 当产品 CG 渲染器：本地定方向再走 API — Hailuo_AI · 2026-09-04
- 用电子表格批量编排多视频生成的脑洞玩法 — GeroldMeisinger · 2026-09-04
- MiniMax H3 纯文本生成粗野主义风格 MV，视觉实验感十足 — Hailuo_AI · 2026-09-04