🤖 AI · 世界模型

🔥 李飞飞World Labs发布Atlas世界模型，AI从语言迈向具身智能

一、从ImageNet到世界模型，李飞飞的第三次跨界

北京时间9月2日，"AI教母"李飞飞旗下人工智能公司World Labs宣布推出新一代世界模型Atlas。这是李飞飞继创建ImageNet数据集、创办World Labs并获得10亿美元融资（投资者包括AMD、英伟达、富达投资）之后的又一里程碑式成果。Atlas能结合图像、视频等输入，生成具备精准镜头控制的图像和长视频，并通过输入的图像重建3D空间。

这是全球首个多模态世界模型，宣称能够以像素级精确的相机控制生成图像和视频帧，并将其在3D中重建。World Labs官方表示，其从头开始对Atlas进行预训练，使其能够接受多模态输入，并将其转化为3D视图。通过输入单张或多张图像，Atlas最高可输出1440p分辨率、时长1分钟的视频。

二、"空间上下文"取代"文本上下文"，底层架构革命

Atlas的核心创新在于用"空间上下文"（Spatial Context）替换了传统大模型处理"文本上下文"的方式。与大语言模型LLM类似，Atlas首先将各类输入信息编码为上下文，再依据上下文生成输出内容。但每一张图像都会锚定在三维空间中的对应位置，由此构建出空间上下文。这使得Atlas模型具备世界认知能力与创造力。

演示中，Atlas可以将两张毫无关联的参考图像放入上下文，并在三维空间中设定好二者的位置，随后就能生成一个在两张图像的内容之间实现平滑过渡的世界。清华大学智能产业研究院助理教授赵昊评价："Atlas的泛化性很强，对于行业具有突破性意义。"

三、影视特效+机器人训练，两大应用场景率先落地

Atlas的应用场景主要集中在两个方向：创意工作和机器人训练。对于影视工作者而言，几张照片就能还原空间场景，大幅开拓创作空间；对于机器人模型训练，传统方式需要采集环境图像上传并使用昂贵专业设备，而Atlas仅依靠少量简易录制素材，就可以辅助搭建仿真环境，同时还原物体的运动方式与交互行为。

李飞飞曾在公开采访中表示，语言模型有局限，物理世界的理解和互动能力是AGI的关键一环。当ChatGPT能写出完美文章却无法告诉孩子"杯子摔碎了"时，世界模型或许正是那条通向真正通用人工智能的必由之路。

综合中国证券报、科创板日报、163科技报道 | 2026年9月3日