李飞飞详解Atlas世界模型：新视角预测成AGI基础原语
量子位 · wechat · 2026-09-05
World Labs发布「全球首个」多模态世界模型Atlas后，李飞飞携联创Justin Johnson、Ben Mildenhall做客a16z访谈，深入讲解技术细节。
核心要点：
- 基本原语是新视角预测：LLM预测下一个token，视频模型预测下一帧，Atlas预测新视角——输入若干图像及其三维相机位姿，构成「空间上下文」，可从任意位置生成该时空的画面。
- 生成与重建首次统一：同一模型内同时做像素生成和像素重建，原生处理文字、图像、视频、3D（深度图）和相机位姿；李飞飞称这是计算机视觉领域半世纪以来首次统一。
- 采集成本大幅下降：传统稠密重建需几百上千张照片，Atlas用3-25张即可重建（如斯坦福主庭院空中视角，全部由地面拍摄照片生成），子弹时间镜头只需三部iPhone。
- 机器人仿真应用：李飞飞认为机器人最大瓶颈是数据而非芯片，Atlas可把真实环境快速搬进仿真并用域随机化生成训练场景。
- 路线图：接下来补动态、编辑和交互；团队把新视角预测与下一个token预测并列，认为它可能是通往AGI的基础原语。
相比上一代Marble（输出受高斯泼溅瓶颈限制），Atlas在预训练阶段就按多模态设计，更早分离各模态处理路径。
所属事件:李飞飞团队发布世界模型 Atlas，新视角预测成 AGI 基础原语(10 条相关)→
「漫话AGI」频道最新
- John Lam:数据别锁进 OpenAI/Anthropic 孤岛,掌控数据面与控制面 — john_lam · 2026-10-21
- 创业者吐槽:消费级 AI 公司把隐私与安全当宣传附属品 — vhanagwal · 2026-10-21
- 你对 AI agent 说「请」和「谢谢」吗？Reddit 热议礼貌是否影响输出 — Luvena21 · 2026-10-21
- Ezra Klein 撰文：AI 乌托邦就是好结局吗？ — akbirkhan · 2026-10-21
- 论文论证工程师该多读小说：设计即虚构，还能训练伦理判断 — _akpiper · 2026-10-21
- 博主推演:若 2028 年智能爆炸,2030 年将无需人类劳动 — LesaunH · 2026-10-21