专题 · FULL STORY
World Labs发布Atlas：全模态世界模型登场
李飞飞创立的World Labs于9月2日正式发布全球首个全模态世界模型Atlas，原生统一处理文本、图像、视频与3D输入，加速机器人训练。随后社区围绕其3D表征能力展开验证，三位联合创始人进一步阐释新视角预测作为AGI基础原语的愿景。
2026-09-02 ~ 2026-09-09 · 5 集 · 87 条
第 1 集 · 李飞飞 World Labs 发布全模态世界模型 Atlas(2026-09-02,64 条)
9 月 2 日，李飞飞创立的 World Labs 正式发布下一代世界模型 Atlas，官方称其为全球首个多模态世界模型，定位为面向空间智能的全模态世界模型（omni world model），数周内开放早期访问。社区反应普遍积极，多位演示者展示了单图 3D 场景补全、三机位 4D 重建、机器人仿真数据生成等此前难以实现的能力，被视为空间智能方向的标志性进展。
已确认
- 架构：Atlas 基于单一统一架构——一个从零预训练的多模态自回归扩散 Transformer，融合了现代 LLM 与视频模型在架构、算法与系统层面的进步；所有输入模态汇入共享「空间上下文」，生成结果在 3D 上保持一致。
- 模态与能力：原生处理文本、图像、视频、相机姿态与深度等多种模态（含 3D 输入），从场景输入中构建持久空间理解，不仅能重建观察到的内容还能生成未见部分；可从单张输入图像重建并补全大场景（XRarchitect 演示了单图生成完整 3D 场景，技术栈结合 Atlas、spark.js 与 three.js）；通过重构视频模拟时空；原生输出 3D 空间；可将多张姿态图像合成为一致的 3D 世界；生成图像与视频帧时支持像素级相机控制，视频最长 1 分钟、分辨率可达 1440p；支持基于相机控制的稀疏帧生成，用户只需提供几张图像和确切相机位姿即可生成一致的 3D 帧。
- 4D/动态重建：markk 演示仅用 3 台摄像机输入即可重建高保真 4D 视频，认为这种效果此前完全不可能实现；venturetwins 也展示了基于三台手机固定机位素材重建完整场景、从全新角度重新拍摄视频的能力，认为这突破了传统拍摄限制，为影视创作和后期制作带来革命性可能。
- 3D 重建表现：据转发内容（含李飞飞转发 Justin Johnson 的发布），Atlas 从单张到多张输入图像显式输出 3D 结构，性能超越顶级开源重建模型，且随输入图像增多、上下文更丰富，幻觉更少。
- 机器人仿真：据 World Labs 官方介绍，只需少量照片即可重建一个空间，并生成任意轨迹下机器人传感器会观测到的照片级 RGB 与深度数据，使机器人能在远多于以往的空间中训练与测试，还指向 Real-to-Sim 应用前景。
- 影视应用：Jon Barron 转述团队演示称，利用 Atlas 对空间结构与时间演变的理解，用少量普通相机（演示中约 35 部手机）即可搭建「子弹时间」多视角拍摄工作室，捕捉冻结时间的动态瞬间，还能补全相机实际未拍到的场景并在时间静止状态下重新构图运镜；minchoi 亦演示了将其用于体育分析等场景。
- 业界评价：BenMildenhall 指出 Atlas 不只是强大的文生图生成器，还具有丰富的「世界知识」，在单视图和多视图任务上均具通用性，可在高度风格化场景中做精确 3D 控制；mildlyphd 等亦认为公开演示效果相当不错，具体可用性细节仍待官方披露。
尚未确认
- 公开演示之外的具体能力边界、定价与开放范围等细节尚未由官方完整披露，早期访问的实际体验有待观察。
为什么重要
- Atlas 将世界生成从平面图像/视频推进到原生 3D 空间与时空模拟，是空间智能方向的代表性进展。
- 其传感器级仿真数据生成能力直接面向机器人训练这一高价值场景，有望显著扩展机器人可测试环境的规模与多样性；低成本多视角重建能力也为影视创作、体育分析与后期制作打开了新空间。
- World Labs Atlas：几张照片重建空间，生成机器人传感器级仿真数据 — theworldlabs · 2026-09-02
- Atlas 架构揭秘：多模态自回归扩散 Transformer 从零预训练 — theworldlabs · 2026-09-02
- World Labs 发布空间智能全模态世界模型 Atlas，将开放早期访问 — theworldlabs · 2026-09-02
- The World Labs 发布 Atlas：支持像素级相机控制 — Scobleizer · 2026-09-02
- 李飞飞团队发布 Atlas：首个像素级相机控制的多模态世界模型 — Chris_Armstrong · 2026-09-02
- World Labs 推出 Atlas 世界模型：像素级相机控制与 3D 重建 — kamalgupta09 · 2026-09-02
- World Labs发布Atlas：首个像素级相机控制的世界模型 — georgiagkioxari · 2026-09-02
- Atlas 实现普通相机阵列的“子弹时间”多视角拍摄 — jon_barron · 2026-09-02
- World Labs 发布全模态世界模型 Atlas：从零预训练、原生支持3D — drfeifei · 2026-09-02
- 李飞飞转发：World Labs Atlas 用7张图生成1分钟1440p视频 — drfeifei · 2026-09-02
- World Labs 的 Atlas 模型显式输出 3D — drfeifei · 2026-09-02
- World Labs 发布 Atlas:原生多模态空间世界模型 — cihangxie · 2026-09-02
- World Labs 发布 Atlas：首个多模态世界模型 — drfeifei · 2026-09-02
- WorldLabs 发布 Atlas 模型，致力于从 2D 视图恢复 3D 世界 — smtabatabaie · 2026-09-02
- Atlas 发布 AR 全能模型，3D 重建击败所有专用模型 — Scobleizer · 2026-09-02
- World Labs 发布 Atlas：支持像素级相机控制的世界模型 — gowthami_s · 2026-09-02
- World Labs 发布 Atlas 世界模型：文本图像视频 3D 全模态统一生成 — gowthami_s · 2026-09-02
- Atlas 模型支持疯狂运镜与 3D 重建，生成视频可控性拉满 — RexDouglass · 2026-09-02
- Atlas 展示：补全未拍场景与任意视角重拍 — jon_barron · 2026-09-02
- AI 生成的图像和全景效果惊艳 — gowthami_s · 2026-09-02
第 2 集 · World Labs 发布 Atlas 世界模型加速机器人训练(2026-09-02,4 条)
李飞飞联合创立的 World Labs 发布专注于空间智能的多模态世界模型 Atlas，可将少量现实场景录像转化为可控物体、运动、灯光与环境的交互式仿真，实现 real2sim2real 流程。业界评论认为，这一能力有望加速人形机器人在工厂、仓库、建筑工地等真实场景的训练与部署，使其进入工作场所前即可在仿真中重建场景并捕捉物体交互。
- World Labs 展示 Atlas 如何连接世界模型与机器人 — drfeifei · 2026-09-02
- World Labs Atlas 或加速人形机器人 real2sim2real 训练 — CyberRobooo · 2026-09-02
- World Labs 发布 Atlas 世界模型：加速机器人空间智能训练 — CyberRobooo · 2026-09-02
- World Labs Atlas 或加速人形机器人工厂部署 — CyberRobooo · 2026-09-02
第 3 集 · 社区验证：Atlas 输出可蒸馏出显式 3D 网格(2026-09-02,4 条)
围绕 Atlas 模型能否还原显式 3D 表征，社区展开技术探讨。Keenan Crane 提出疑问后，有网友验证了 Atlas 的输出足够可靠，可以蒸馏出显式表面网格，且提取网格的法线与 3DGS 渲染结果高度一致，尤其适用于单图生成场景。讨论还指出 3DGS 的视觉细节多来自着色而非精细几何，Crane 补充认为显式网格可能是比 3DGS 更好的重建目标，因为后者主要重现外观。
- 学术探讨：Atlas 能否还原显式 3D 表征？ — keenanisalive · 2026-09-02
- 补充：显式网格可能是比 3DGS 更好的重建目标 — keenanisalive · 2026-09-02
- Atlas 模型输出可提取显式网格，几何一致性超预期 — bmarkmiller · 2026-09-02
- 技术探讨：3DGS 的视觉细节多来自着色而非精细几何 — keenanisalive · 2026-09-02
第 4 集 · 李飞飞团队发布世界模型 Atlas，新视角预测成 AGI 基础原语(2026-09-04,10 条)
World Labs 于 9 月初发布「全球首个」多模态世界模型 Atlas 后，三位联合创始人李飞飞、Justin Johnson、Ben Mildenhall 做客 a16z 播客，与 Martin Casado 深入对谈模型技术思路与空间智能路线判断。量子位等媒体报道称，李飞飞将「新视角预测」定位为 AGI 的基础原语，相关内容在社交平台引发广泛转发讨论。
已确认
- Atlas 的核心能力是「新视角预测」：基于少量输入（如 3 张照片）生成新视角的图像与视频帧，支持像素级相机控制，并可将内容在 3D 空间中重建，即 3 张照片即可重建整个房间
- 架构类比：LLM 基于下一 token 预测、视频模型基于下一帧预测，Atlas 将预测扩展到新视角/空间维度
- 据pstAsiatech转述，Atlas 是从零预训练的 omni 模型，原生处理文本、图像、视频与 3D，架构为多模态自回归扩散 Transformer，所有输入汇入共享空间上下文，在 3D 上保持一致性并可想象视野之外的内容
- 演示包括用三台 iPhone 复刻「子弹时间」效果；团队称传统 3D 采集成本可降低 50-100 倍
- 多位转发者（ChrisArmstrong、drfeifei、theworldlabs 等）转述的均为同一 a16z 对谈内容，信息一致；NinaDSchick 的转述还回顾了李飞飞从北京出生、成都长大、16 岁赴美、全家经营干洗店、普林斯顿全奖读物理、Caltech 博士，到押注数据而非算法（ImageNet 1400 万张标注图催生 2012 年深度学习突破）的经历
为什么重要
- 「新视角预测」被视为可能是继 token prediction 之后的下一个建模范式，被李飞飞团队定位为 AGI 的基础原语，是空间智能方向的关键判断
- 若 3D 场景重建成本真如宣称下降 50-100 倍，将大幅降低游戏、影视、机器人仿真等领域的内容生产门槛
- 李飞飞此前以 ImageNet 推动深度学习起飞，其团队再次押注「数据/新范式优先」路线，方向选择本身具有风向标意义
- 李飞飞团队详解世界模型 Atlas：新视角预测或是下一个 token prediction — a16z · 2026-09-04
- 李飞飞 World Labs 发布世界模型 Atlas:3 张照片即可重建 3D 空间 — theworldlabs · 2026-09-05
- 李飞飞 Atlas 世界模型：仅 3 张照片重建 3D 空间，成本降百倍 — Chris_Armstrong · 2026-09-05
- 李飞飞团队 Atlas：3 张照片重建整个房间，成本降 50-100 倍 — drfeifei · 2026-09-05
- World Labs Atlas:三台 iPhone 复刻子弹时间,3D 采集成本降 50-100 倍 — drfeifei · 2026-09-05
- 李飞飞 World Labs 发布 Atlas：3 张照片即可重建整个 3D 世界 — NinaDSchick · 2026-09-05
- 李飞飞 World Labs 发布 Atlas:3 张照片生成完整 3D 世界 — drfeifei · 2026-09-05
- 李飞飞详解Atlas世界模型：新视角预测成AGI基础原语 — 量子位 · 2026-09-05
- 李飞飞团队 Atlas 世界模型:3 张照片重建 3D 空间,成本降 50-100 倍 — drfeifei · 2026-09-06
- 李飞飞 World Labs 发布全模态世界模型 Atlas — pstAsiatech · 2026-09-06
第 5 集 · World Labs 发布全模态世界模型 Atlas(2026-09-07,5 条)
李飞飞创办的 World Labs 发布新一代全模态世界模型 Atlas。这是一个从零预训练的 omni 模型，原生统一处理文本、图像、视频和 3D 输入，采用多模态自回归扩散 Transformer 架构，所有输入合并进共享空间上下文，生成过程中保持 3D 一致性，且随训练算力扩展性能持续提升。它标志着世界模型从生成视频片段迈向生成真正可导航、可交互的三维世界。
已确认
- Atlas 从零预训练，原生支持文本、图像、视频与 3D 多种模态，架构为多模态自回归扩散 Transformer，输入合并进共享空间上下文（@thione、@theworldlabs）。
- 模型可输出 1440p 视频和显式 3D 内容，生成时保持 3D 一致性，并随训练算力扩展（@theworldlabs、@thione）。
- Atlas 自回归逐帧生成，通过构建输入图像与已生成帧的空间上下文维持 3D 一致；团队优化出实时生成版本，用户可交互式探索即时生成的世界，还能将真实世界照片融入生成（@theworldlabs）。
- 据 @Matt Wolfe 体验介绍，Atlas 能从一张照片重建完整的三维环境，用户可自由控制相机、从全新角度探索场景；他强调这不是 AI 视频，而是真正可导航的世界。模型还支持输入多张图片，融合成一个更大的可导航场景。
- Atlas 支持 Real-to-Sim 转换（@theworldlabs）。
为什么重要
- 世界模型首次以 omni 架构原生融合文、图、视频与 3D，统一了此前分散的生成能力。
- 实时可交互探索与单照片 3D 重建，使生成内容从被动观看的视频升级为可导航世界，对游戏、仿真与机器人训练（Real-to-Sim）等场景有直接应用价值。
- World Labs 发布世界模型 Atlas:文图视频 3D 原生融合,可输出 1440p 视频和显式 3D — thione · 2026-09-07
- World Labs Atlas:实时自回归生成 3D 一致世界,可交互探索 — theworldlabs · 2026-09-09
- World Labs Atlas:实时自回归生成 3D 一致世界,可交互探索 — theworldlabs · 2026-09-09
- World Labs 发布全模态世界模型 Atlas:1440p 视频、3D 重建与 Real-to-Sim — theworldlabs · 2026-09-09
- World Labs Atlas 单张照片重建可自由探索的 3D 世界 — Matt Wolfe · 2026-09-09