李飛飛創辦的World Labs於近日釋出新一代多模態世界模型Atlas，該模型從零開始預訓練，原生處理文本、影像、影片和3D資料，支援可控運鏡、空間重建、時空模擬和影像生成等廣泛任務。據官方披露，Atlas可輸出長達1分鐘的1440p影片，並面向部分合作夥伴開放早期訪問，而非全面上線。

Atlas的核心能力包括：利用畫素級相機控制從一張或多張影像生成影像和影片；根據一張或數十張輸入影像重建真實世界場景，效能優於目前最先進的3D重建專用模型；通過輸入影片對空間和時間建模，為機器人實現真實到模擬的工作流程；以及根據文本生成影像和360度全景圖。其技術架構採用多模態自迴歸擴散Transformer，序列元素逐個生成，視覺輸出通過去噪產生，相機位姿和深度也是模型處理的資料型別。

World Labs由李飛飛與Justin Johnson、Ben Mildenhall、Christoph Lassner於2024年共同創辦。李飛飛曾推動ImageNet及相關競賽，是現代計算機視覺發展的重要基礎，並於2017至2018年擔任谷歌副總裁及Google Cloud AI/ML首席科學家。聯合創始人中，Ben Mildenhall是NeRF論文的共同第一作者，Justin Johnson研究視覺推理和三維推理，Christoph Lassner則開發過Pulsar渲染後端。團隊背景集中在視覺、圖形學和三維表示，而非單純語言建模。

Atlas的釋出並非一蹴而就。World Labs於2024年12月首次展示可探索的三維世界，2025年9月推出Marble早期測試，並於同年11月12日正式向所有使用者開放。Marble允許使用者從文本、影像、影片和三維佈局生成世界，並可編輯、擴充套件、合併場景。2025年10月，團隊公開了RTFM（Real-Time Frame Model）研究線，探索“學習出來的渲染器”，目標是在單張H100上實現互動式幀率。2026年1月，World Labs推出World API，讓開發者以程式方式呼叫Marble的世界生成能力。Atlas被視作沿這些路線向統一模型推進的關鍵一步。

2026年6月，World Labs發表文章將世界模型分為渲染器、模擬器和規劃器三類，強調模擬器需對幾何和動態行為負責。為補齊機器人能力，7月21日公司收購了機器人公司SceniX，一週後釋出Real-to-Sim-to-Real技術進展，展示線纜操作、試管轉移等任務，部分演示報告了連續一小時無需人工干預的執行結果。

World Labs的研發路線也解釋了其鉅額融資需求。2026年2月，公司宣佈新增10億美元融資，投資者包括AMD、Autodesk、輝達、Fidelity等。其中Autodesk單獨披露了2億美元戰略投資，並表示將在研究和模型層面開展合作。晶片公司與設計軟體公司的同時出現，一端關係到訓練和推理成本，另一端關係到模型能否進入專業生產流程。Autodesk在投資說明中強調空間、結構、材料、物理和時間，反映出專業軟體使用者對AI的要求與普通影像生成使用者不同。

Atlas的釋出展示了世界模型在統一多模態生成與空間理解上的進展，其可控運鏡和空間重建能力對影視製作、機器人訓練等應用具有潛在價值。然而，生成效果合理不代表其符合現實，模型在模擬器可靠性方面仍需驗證。World Labs能否將技術優勢轉化為可持續的產品和商業閉環，尚待觀察。