人工智能领域迎来重要突破，由李飞飞领衔的World Labs团队近日在a16z访谈中首次完整展示了其研发的多模态世界模型Atlas。该模型突破传统生成框架，通过"新视角预测"机制重新定义了三维空间理解方式，为通用人工智能发展开辟了全新路径。
区别于大语言模型依赖的token预测机制和视频模型的帧预测逻辑，Atlas的核心创新在于构建了空间连续性理解能力。用户输入少量场景图像或文字描述后，系统可生成任意时空位置的画面，实现文字、图像、视频、3D模型及相机参数等多模态数据的原生融合。研发团队强调，这种空间预测能力与语言模型的token预测具有同等重要的基础地位，可能成为通向AGI的关键技术原语。
在三维重建领域，Atlas展现出颠覆性优势。传统方法需要数百张照片才能构建完整场景，而该模型仅需几张至几十张图像即可完成重建。实验数据显示，使用三部iPhone拍摄的画面就能生成专业级子弹时间特效视频。这种突破源于模型架构的重大革新——摒弃前代Marble模型的高斯泼溅表示法，转而采用新视角预测作为基础运算单元，有效解决了3D重建中的盲区问题，同时扩展了空间上下文处理能力。
技术突破正催生广泛的应用场景。在创意设计领域，模型可生成具有严格3D一致性的内容，显著降低制作成本；建筑行业利用其高精度空间预测能力优化设计流程；机器人领域则通过仿真环境转换提升训练效率，缓解数据匮乏难题。特别值得关注的是，模型已具备初步动态处理能力，未来将重点发展动态效果渲染、内容编辑及人机交互功能。
研发团队透露，Atlas的演进路线包含三个关键方向：提升动态场景处理精度、开发直观的内容编辑工具、构建自然的人机交互界面。最终目标是打造普通用户可直接操作的3D虚拟世界交互系统，使非专业人士也能轻松创建和修改三维内容。这项技术正在与多个行业展开深度合作测试，预计将在年内推出开发者版本。
