热榜词条「世界模型Atlas由李飞飞发布」需要先捋直时间线:Atlas其实早在9月就已亮相,这几天真正发生的是把它从“演示”推进到了“公测”。11月12日,李飞飞在CoRL 2026大会上演讲《Atlas:一个用于生成与重建的统一世界模型》,随后与AMD董事长兼CEO苏姿丰展开对话,这是收购消息传出后两人首次公开同台。 截至11月16日,Atlas已正式公测,注册即可使用,新账号会送10刀额度。 先说清这是什么:Atlas不是生成一段给你看的视频,而是生成一个能走进去、能挪相机、结果可以直接导出进3D工作流的三维世界。36氪知乎
不是预测下一个词,而是预测下一个视角
World Labs在9月1日正式发布了Atlas,定位是一个从头开始预训练的通用世界模型,文字、图像、视频和三维空间信息都能作为输入。 在李飞飞更技术化的表述里,它是一个从零开始训练的自回归基础模型,核心理念一句话就能概括:大模型预测下一个词,Atlas“预测下一个视角”,由精确的相机位姿决定接下来生成哪个角度。 这是它与视频生成模型最本质的分工差别:视频模型给你一段画面,Atlas经营一整个空间。36氪36氪
按李飞飞在演讲中的划分,Atlas的能力分成三种模式:多图输入做稠密重建,零像素条件做纯生成,少量视图做稀疏重建。36氪
演示的门槛可以低到一张图。现场输入两张照片,模型就能补全斯坦福主广场的大致格局;换成33张地面手持照片,还能直接生成没有人拍过的航拍视角。 研究人员此前用三到五部普通手机和运动相机从不同角度拍摄同一场景,Atlas就能重建出《黑客帝国》式的“子弹时间”。36氪36氪
技术底气与体验的另一面
这次亮出的底气是:在一项评估相机控制生成能力的独立第三方基准中,包含大约50万次人工判断,Atlas排名第一,超过了多个当前最先进的视频模型。 它也已能生成超过一分钟、最高1440p分辨率的连贯视频。36氪36氪
实时化曾是这个模型最被抱怨的短板:调整一次机位,往往要等几十秒。11月6日,World Labs发布了研究预览版Demo Frameboy,把自回归世界模型Atlas拉进了实时交互时代,浏览器里就能以最高15fps的帧率实时串流新视角。36氪
但官方也没有回避门槛:现阶段Frameboy必须运行在云端的高性能GPU服务器上,成本绝对算不上便宜。 公测后的社区反馈同样有落差,有人反映人脸和文字发糊、盲区补全一般——这并不意外,李飞飞自己也提过,早期模型曾讥评为“不是世界模型,而是壁橱模型”,只能在柜子里看看世界,走不出去。36氪36氪
为什么她和AMD CEO同台
这个词条热度不低,另一半原因是资本背景。9月28日,AMD发布官方公告,以约82亿美元的全股票交易收购World Labs,交易预计在2026年底完成交割,且仍需监管机构审批、满足常规交割条件——也就是说,截至发稿这笔收购尚未完成。它同时创下AMD历史上仅次于赛灵思的第二大收购纪录。界面新闻36氪
按交割后的安排,李飞飞将出任AMD执行副总裁兼首席科学家,直接向苏姿丰汇报,原有研发团队完整保留。36氪
机器人学习会议成为“发布场”,是因为Atlas本来就是冲着机器人去的:理解和表征环境、预测动作后果、用仿真补充真实数据,是李飞飞总结的机器人三大核心问题,恰好对应世界模型的渲染、规划与仿真能力。她还展示了在虚拟环境中训练、再零样本部署到真实世界的机器人。36氪
芯片公司的账算得更直接:苏姿丰同台判断,物理AI尤其是机器人领域是一个巨大机会,市场规模未来几年可能达到数千亿美元。 AMD买的不只是一个团队,还有摸清下一代模型算力负载、反哺芯片设计的机会。36氪
争议并没有被一次公测终结
“世界模型”本身就是个争议概念。World Labs早在今年6月就承认,这是AI领域含义最混杂的术语之一,按输出可分三类:给人看的画面、模拟物理状态、决定下一步动作。36氪
来自通用大模型的压力更实在:在120项抓取摆放任务的仿真测试中,没有做机器人专项微调的GPT-6 Astra成功率达到66.3%,压过了英伟达基于世界模型Cosmos开发的机器人模型。36氪
但速度上的排序正好相反:Astra单次调用平均需要18.56秒,专用模型只需要约0.71秒和47毫秒。36氪
成功率与实时性指向不同的赢家,李飞飞在同台对话里的回答是:前沿大模型与专用模型各有所长,系统层面的问题并没有解决。36氪
成本账同样紧迫:国内一家世界模型公司的联合创始人公开表示,如果训练数据达到千万甚至上亿小时,“有可能需要花几千亿元才能训(练出)一个真正通用场景的世界模型”。36氪
普通人今天怎么玩
公测版本提供了两个交互式工具:Viewfinder从照片或AI图片出发,移动相机探索新视角、补全3D场景;Chisel先用LLM搭好3D布局,再让Atlas按布局生成场景,两者都支持导出splat,生成结果可以直接用作3DGS训练管线的输入。知乎
实时版Real-time Atlas也同步上线:把随手拍的照片导入,即使离开现场,也能回到生成的世界里继续“补拍”当时没拍到的视角,还能通过API和Blender插件接进自己的项目。知乎
接下来值得盯住的有三件事:收购能否按年底预期交割;实时3D生成能否从“云端GPU加免费额度”的体验期走进真正的生产工具链;以及定义之争继续发酵时,会不会出现更多可盲测、可复核的基准。对普通用户来说,10刀额度的门槛不高——家里的一张照片,今天就能变成能走进去的场景,效果或许还会糊,但“AI开始理解世界”的方向已经很清楚。