从生成画面到生成空间

9 月 2 日，李飞飞创立的 World Labs 发布多模态世界模型 Atlas。官方称模型从头开始预训练，能把相机移动、文本、图像等多模态输入放进同一个空间上下文处理，再生成与之匹配的画面。

与常见的文生图、文生视频模型不同，Atlas 强调空间一致性：给定任意相机位置与角度，它会生成与输入内容几何相符的新视角，也能平滑扩展画面、补全输入里没拍到的部分，官方演示中包括类似“子弹时间”的多机位效果。

能干四类活

  • 相机控制生成：从一张或多张图生成图像与视频，最长 1 分钟、1440p
  • 空间重建：从一到数十张输入图重建真实场景，输出显式 3D，官方称超过顶级专用重建模型
  • 时空模拟：对输入视频重新构图以增强戏剧效果，支持机器人真实到模拟的工作流
  • 图像生成：从文本生成图像与 360 度全景，可跟随复杂提示并渲染文字

开放节奏上，部分合作伙伴已拿到抢先体验资格，早期访问会在未来几周逐步开放。对影视预演、游戏场景与具身智能来说，这种可控制的 3D 世界生成比单纯出片更接近生产力工具。

把相机交还给创作者，是世界模型从演示走向干活的关键一步。