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:李飞飞团队详解世界模型 Atlas：新视角预测(8 条相关)→
「漫话AGI」频道最新
- AI 辅助证明引发争论：数学界是否还关心真理本身 — avt_im · 2026-09-05
- 高算力 RL 下人格选择模型渐失预测力，研究者质疑泛化机制 — voooooogel · 2026-09-05
- WSJ：企业 CIO 界认为我们正进入通用人工智能时代 — israelavila · 2026-09-05
- 「随机鹦鹉」进化了：演示 LLM 能力已需动用 3D 和游戏 — airesearch12 · 2026-09-05
- 爱丁堡外卖骑手控诉算法压低收入,吁平台打开 AI 算法黑箱 — nordicinst · 2026-09-05
- Reddit 热帖：Codex 活跃用户超 2500 万，AI 还在“没用”？ — AkindaGood_programer · 2026-09-05