World Labs发布的Marble世界模型引发行业热议。这项技术突破传统NeRF限制，通过张量基元实现可扩展、可编辑的3D世界建模，支持多模态输入生成可交互的3D场景，为构建通用人工智能提供了空间智能新路径。
智能速览
Marble支持文本、图片、视频等多模态输入生成3D世界
突破NeRF限制，采用张量基元实现可扩展训练
结合切块、区域注意力和缓存解决工程瓶颈
具备物理一致性约束，避免视觉欺骗
将LLM核心机制扩展到三维空间
精华内容
Marble的技术创新在于将三维世界建模从全局连续场转向局部结构化表征，为构建真正可扩展的世界模型提供了新思路。
超越NeRF
传统NeRF通过多层感知机拟合整个场景的连续辐射场，渲染一个像素需要大量积分步骤，在大规模场景中无法扩展。每个新场景都需要独立训练，无法继承知识。二维扩散模型虽然图像生成能力强，但缺乏三维一致性，不同角度会产生几何错位。
Marble必须采用具有局部化特征的表征方法，如三维高斯基元、张量场、稀疏场等，解决这些根本性问题。
张量基元核心
Marble的基础表征很可能是扩展版的三维高斯基元，每个基元不仅包含几何信息，还承载高维张量，记录局部几何、材质、纹理、光照甚至物理属性。整个世界由一组高维张量基元组成，构造可微、可更新的三维场。
这种结构具备可压缩性、可本地编辑、可组合和可扩展的优势，是天然适合构建世界模型的表征方法。
物理一致性
Marble与有限元方法有惊人共通之处，基元相当于有限元单元，张量相当于局部状态变量。基元之间通过区域注意力建立耦合，实现局部求解加边界耦合。
这种结构赋予世界模型隐性物理约束，即便不显式求解物理方程，也能保持几何连续性和光照合理性，避免看起来很对但用起来很错的问题。
可扩展训练
当基元数量从万级增加到百万级时，直接全局训练会导致显存爆炸。解决方案是结合切块、区域注意力与缓存。
切块将三维世界分割成空间分块，训练只优化当前chunk中的基元；区域注意力保持chunk边界一致性；缓存机制类似LLM的KV cache，存储不参与本次训练的chunk参数，节省计算资源。
LLM机制延伸
Marble的实现路径继承LLM三大核心：token、注意力和KV cache，只是扩展到三维空间。张量基元相当于三维token，区域注意力是三维版注意力，切块如同滑动窗口，三维缓存是空间KV cache。
这种思路有潜力推动世界模型工程落地，因为LLM已证明这些机制在大规模训练中的可行性。推理流程也类似LLM，从文本解析到生成布局，再到局部优化和最终渲染。
时间维度缺失
当前Marble还缺乏最重要的时间维度。真正的世界模型需要在时间维度研究状态空间的变迁，通过潜变量、时空碎片或高斯张量基元的动力学构成整体动态性。
未来需要发展更物理化的张量基元、引入边界耦合的PDE约束、构建可扩展的世界记忆库，并进一步融合LLM，使世界理解和生成一体化。
Marble代表了世界模型发展的重要方向，将LLM成功机制扩展到三维空间。虽然技术挑战依然存在，特别是时间维度的集成，但这种局部化、结构化的表征思路为构建真正可扩展的世界模型提供了可行路径。未来能否突破时间瓶颈，将决定其能否实现真正的通用智能。
