世界模型的竞争正在向产业链延伸。
文章作者、来源：ME News
TL;DR
- Atlas正式面向公众开放。 11月12日，李飞飞创办的World Labs将Atlas从早期受邀测试推进至公开使用阶段，普通用户可以创建虚拟世界，开发者也能通过API调用相关能力。
- 一张照片不再只是一张照片。 Atlas能够根据有限的图像推测画面之外的空间，让用户调整镜头、制作视频，并生成可探索的3D场景。
- 模型导出和API比视觉演示更重要。 3D Gaussian Splatting、网格转换及Blender等工具的接入，让Atlas有机会从AI演示产品进入专业制作流程。
- 影视、游戏和建筑设计可能率先受益。 这些行业存在大量场景搭建、镜头预演和方案修改需求，但AI生成结果仍需要人工验证与加工。
- 世界模型的竞争正在向产业链延伸。 World Labs已经获得大额融资，并宣布与AMD达成收购协议，算力成本、生成质量和商业应用将共同决定技术能否规模化。
一张照片生成3D世界，Atlas究竟改变了什么？
过去两年，生成式AI给普通用户留下最深刻的印象，大多来自图片和视频。用户输入文字，模型生成一张图片；再输入一段描述，图片中的人物便能动起来。这套流程已经足够令人惊讶，但对专业内容创作者而言，其中始终存在一个问题：AI擅长交付结果，却不一定擅长让用户持续控制结果。
例如，一名广告导演希望用AI设计一个咖啡馆场景，先生成正对吧台的镜头，再让摄影机绕过桌椅，从另一侧拍摄窗外的街道。传统图像生成工具可以分别制作这些画面，但很难保证每次生成的桌椅位置、房间结构和物体关系完全一致。如果导演想把镜头再往右移动半米，可能又需要重新生成。
11月12日，李飞飞创办的World Labs宣布将世界模型Atlas正式向公众开放，试图解决的正是这类问题。与单纯生成画面不同，Atlas希望围绕一个具有空间连续性的场景开展创作，让AI不仅知道画面应该是什么样子，还能根据镜头的位置，生成相互关联的不同视角。
Atlas最直观的入口是Viewfinder。用户上传一张或多张照片后，模型可以根据图像内容建立空间上下文，再生成原始照片中看不到的部分。如果上传的是客厅照片，用户可以调整虚拟摄影机的位置，观察新的视角，甚至规划摄影机移动路径，将其渲染为视频。
World Labs在9月发布Atlas时展示过一个颇具代表性的案例：利用少量参考图片和人工设计的摄影机路径，生成时长约一分钟、分辨率达到1440p的视频。这里值得关注的并非单纯的分辨率，而是摄影机路径能够成为生成过程中的明确控制条件。
另一款工具Chisel则提供了相反的创作路径。用户可以先用简单的几何形状搭建房间，调整家具的位置和空间布局，再让Atlas依据这些结构生成具有真实视觉风格的场景。
两款工具实际上代表着两种不同需求：Viewfinder从现有图像出发，补全和探索空间；Chisel从空间结构出发，决定最终画面如何呈现。前者更适合实景重建和视觉延展，后者更接近设计师习惯的创作过程。
这次开放的真正变化，是AI生成内容开始从单次交付，转向围绕同一个场景反复编辑和调整。 对专业创作者而言，可控制、可修改、可重复使用，往往比某一次生成效果足够惊艳更加重要。
能导出3D模型、接入API，比生成画面更有商业价值
如果Atlas只能让用户在浏览器中欣赏自己生成的虚拟场景，它依然更接近一款创意工具。真正让这次发布值得产业界关注的，是World Labs同时打通了3D资产导出和开发者接口。
按照官方介绍，Atlas能够将生成结果保存为3D Gaussian Splatting，也就是通常所说的3D高斯泼溅场景。这种技术利用大量带有位置、颜色、透明度等属性的空间元素表达视觉信息，可以相对高效地渲染复杂场景。
但高斯泼溅并不等同于传统三维建模。它在视觉呈现方面具有优势，却未必天然具备游戏开发、物理模拟所需要的明确表面结构。为此，World Labs提供了Splats to Mesh功能，可以进一步把场景转换为带有几何结构的3D网格。
这个环节看似只是增加一种输出格式，实际却关系到AI内容能否进入现有软件生态。
以游戏开发为例，美术人员可以先利用Atlas生成场景原型，再将其转换为可在游戏引擎中处理的资产。设计人员也能够把生成结果导入Blender，继续调整模型、材质与细节，而不是只能观看已经渲染好的画面。当然，导出的网格仍可能需要清理、优化和重新制作，并不意味着它能直接成为正式游戏资产。
更重要的是API。
World Labs已经提供面向开发者的Atlas接口及相关文档，涵盖图像生成、镜头视角生成、视频制作和3D场景构建等工作流。开发者无需自己训练世界模型，就有机会把这些能力整合进自己的软件或服务。
例如，一家房地产展示平台可以研究将室内照片转化为可探索的空间，一家游戏开发工具公司可以把场景草图生成能力加入编辑器，影视制作软件也可以围绕镜头预演建立自动化流程。
这些都是基于当前技术能力的潜在应用，并不意味着相关行业已经普遍采用Atlas。
但从商业逻辑来看，API与资产导出意味着World Labs不必只依靠终端用户订阅收费，还可以成为其他创作软件背后的基础能力供应商。
这种区别相当关键。一个用户偶尔生成虚拟场景，能够贡献的收入相对有限；一家企业如果将模型纳入长期制作流程，就可能产生持续的调用需求。当然，后者同时对稳定性、成本、服务等级和数据安全提出更高要求。
需要特别说明的是，Atlas面向所有人开放，并不等于模型权重开源，也不意味着使用完全免费。官方开发者文档已经明确采用积分计费，并建议以平台实时显示的任务价格作为成本依据。
世界模型与AI视频，正在走向两条不同的技术路线
Atlas的出现，很容易让人联想到视频生成模型。两者确实都能够输出连续画面，但它们关注的核心问题并不完全相同。
视频生成模型主要解决的是如何根据输入条件生成一段视觉连贯的视频，而世界模型进一步关注场景在不同空间位置和交互条件下如何保持一致，以及用户是否能够持续改变观察方式。
举个简单例子，普通AI视频可以生成一段穿越森林的镜头，但用户未必能随时停下来、向左转身、绕到树木背后，再沿原路返回。如果系统能够根据用户操作持续生成对应画面，而且尽可能保持场景关系稳定，体验就会从观看视频转向探索环境。
11月5日，World Labs推出Frameboy，让用户在浏览器中实时探索Atlas生成的虚拟世界。根据官方介绍，演示版本由云端GPU提供计算，最高可向浏览器传输每秒15帧的画面。
一周后，Viewfinder的公开开放进一步完善了这条路径。此前公众主要体验官方预设的Frameboy场景，如今用户可以建立自己的场景，再通过实时功能进行探索。
World Labs并不是唯一研究这一方向的公司。Google DeepMind在2025年8月发布的Genie 3，就曾展示根据文本生成可实时交互环境的能力。其官方公布的演示参数为720p分辨率、每秒24帧，并能够在数分钟内维持一定的场景一致性。
不过，Frameboy与Genie 3所展示的系统、输入条件和测试环境并不相同，不能直接凭借15帧和24帧判断技术高低。它们共同说明的趋势是，AI正在尝试让生成画面随着用户操作持续变化，而不只是提前制作一段固定视频。
Atlas的差异化优势，更集中于摄影机控制、多视角重建以及将场景输出到专业软件中的工作流程。
这也意味着，世界模型行业未来未必只有一个赢家。有些产品可能更擅长实时交互，有些更重视空间重建精度，还有一些会在机器人训练和物理模拟方面投入更多资源。
决定市场竞争格局的，不只是哪个模型能生成最漂亮的画面，而是谁能把空间生成能力转化成稳定、可复用的生产工具。
影视、游戏和建筑设计，可能是最先受到影响的行业
从应用角度看，Atlas近期最现实的价值，未必是创造一个完整的虚拟宇宙，而是降低专业团队在前期探索阶段所花费的时间和精力。
影视制作是比较容易理解的例子。
在正式拍摄之前，导演和美术团队通常需要考虑场景风格、摄影机位置、镜头运动以及不同画面之间的衔接。传统流程可能涉及概念设计、场景搭建、三维预演和反复沟通。
Atlas能够让部分工作从更简单的视觉素材开始。创作者上传参考照片，尝试不同机位，并利用模型生成相应画面，就能更直观地判断某种镜头方案是否符合预期。
这并不意味着Atlas可以取代完整的影视制作流程。涉及演员调度、精确物体运动、复杂光照以及大量连续镜头时，专业制作仍需要可靠的控制手段。但如果能够帮助团队在前期减少无效方案，便已经具备实际价值。
游戏开发的机会同样值得关注。游戏地图、建筑环境和关卡场景往往需要大量美术资产，尤其在开发早期，团队可能不断调整场景风格与空间布局。
通过先生成可探索的场景，再将其转换为可编辑的三维资产，开发人员有机会缩短部分原型制作流程。不过，视觉场景并不能自动满足游戏对碰撞检测、性能优化、交互逻辑等方面的要求，因此更适合先从概念验证和初步搭建切入。
建筑与室内设计则有另一种需求。设计师可以利用已有空间照片或简单布局快速探索视觉方案，让客户从不同角度了解设计效果。
但这一领域尤其需要区分视觉效果与工程准确性。AI推测出的房间结构，不能直接替代建筑测量数据，更不能作为施工图纸的依据。
相比之下，机器人领域的技术门槛要高得多，却可能具有更长期的产业价值。
今年7月，World Labs介绍了其Real-to-Sim-to-Real研究方向，尝试将现实中的机器人任务转化为可复用的仿真环境，再利用这些环境开展训练和评估。相关演示涉及双臂装箱、线缆操作等需要精细物理交互的任务。
这里需要明确，World Labs的机器人仿真研究并不等同于此次向公众开放的Atlas创作工具，不能把两者的能力直接画等号。
但从技术路线来看，它们存在联系：能够生成和重建空间，是进一步构建交互式仿真环境的重要基础。未来如果模型不仅能准确表达场景外观，还能更可靠地描述物体碰撞、摩擦和运动规律，其价值便可能从内容生产延伸到机器人研发。
World Labs走向AMD，世界模型的商业竞争正在升级
讨论Atlas的商业前景，还有两条今年发生的重要消息不能忽略。
今年2月18日，World Labs宣布获得10亿美元新融资，参与方包括AMD、Autodesk、NVIDIA等企业。这反映出资本市场和产业参与者对空间智能方向的关注，但大额融资并不能直接证明某项技术已经找到成熟的盈利模式。
更值得注意的是9月28日的另一项公告：World Labs宣布与AMD签署最终协议，计划加入AMD。按照当时披露的信息，交易预计在2026年年底前完成，仍需满足监管审批等条件。李飞飞预计将出任AMD执行副总裁兼首席科学家。
截至11月13日，不能将这笔尚待完成的交易描述为已经交割。
从商业逻辑来看，这项安排值得关注，因为世界模型对计算资源有很高要求，而实时交互又进一步放大了推理成本问题。
传统图像生成允许用户等待结果，但当用户希望在虚拟环境中自由移动时，系统就需要不断接收操作、生成新画面并返回结果。延迟过高会影响交互体验，而提高生成速度通常又需要更强的计算支持。
World Labs在Frameboy的技术介绍中已经承认，当前实时生成需要依赖强大的云端GPU服务器，与本地渲染方法相比仍然昂贵。
官方开发者计费文档还显示，Atlas Studio中的Frameboy会话最长一分钟，每次收费500积分，对应0.50美元。这是特定功能的公开计费信息，不能直接推算Atlas全部工作流的成本，但足以说明实时生成已经具有明确的计算资源消耗和商业计费方式。
如果未来大量用户频繁探索虚拟世界，推理效率、GPU利用率和计算成本将直接影响产品的定价与毛利空间。
从这一角度看，World Labs与AMD的结合不仅涉及模型研发，也关系到芯片、软件和应用之间的协同。当然，硬件厂商参与并不保证模型一定拥有成本优势，具体效果仍需要观察后续产品与商业表现。
Atlas距离真正理解物理世界，还有多远？
Atlas已经展示了相当有吸引力的能力，但评价世界模型，不能只看演示画面。
首先需要解决的是重建准确性。
当用户只上传一张照片时，模型实际上无法知道画面之外究竟存在什么。它只能根据已有视觉信息和训练过程中形成的知识，推测一个合理的空间结构。
例如，照片里只出现了一张桌子的正面，Atlas可以生成桌子背后的视角，但生成结果未必与真实桌子完全相同。对于创意设计而言，合理的想象可能恰好是优势；对于工业检测、建筑测绘和高精度仿真而言，这种不确定性却必须受到控制。
World Labs在9月的技术介绍中也明确区分了想象与重建：提供更多真实视角，能够减少模型需要自行补全的信息。这表明模型具有从稀疏图像重建空间的能力，但并不意味着它能从单张照片准确恢复不可见的全部细节。
其次是几何结构与物理规律之间的差距。
一个3D网格可以描述桌子的外形，却不一定包含材料重量、表面摩擦系数、结构强度等信息。能够让摄影机绕着桌子移动，与能够准确预测机器人推动桌子后的运动结果，是两种不同层次的技术能力。
这也是为什么世界模型的视觉生成能力越强，反而越需要警惕把画面真实感当成物理准确性的倾向。
最后是商业化过程中容易被忽视的工程问题。模型是否稳定、修改场景需要多少次生成、资产导出后还需要多少人工处理、API成本能否被企业接受，以及上传素材涉及的版权和数据使用规则，都会影响实际采购决策。
尤其对于专业客户来说，一套可靠的生产流程必须能够预测成本、保证交付质量，而不能依赖某一次效果出色的生成结果。
Atlas的真正价值，不在于让所有人都成为3D设计师
回顾生成式AI的发展，图片生成降低了视觉创作的起点，视频生成让动态内容的制作方式出现变化，而Atlas代表的世界模型，则正在尝试改变人们创建和操作三维空间的方式。
这条技术路线的吸引力，并不是从此以后人人都不需要学习专业软件，而是让更多人能够在进入复杂制作流程之前，先把自己的想法转化成可以观察、修改和探索的空间原型。
它也可能重新分配专业团队的工作时间。过去需要花费大量精力完成的基础场景搭建，未来或许可以更多地交给模型；而真正决定作品质量的结构设计、审美判断、交互逻辑和工程验证，仍然需要专业知识。
站在2026年11月13日来看，Atlas公开开放更适合被定义为世界模型走向实用化的重要一步，而不是3D创作已经被彻底改变的证明。
它已经让普通用户接触到过去主要停留在研究演示和专业工具中的空间生成能力，也提供了进一步融入产业工作流的接口。接下来需要验证的，是这些能力在真实业务环境中能否持续节省时间、降低成本并保证结果可靠。
对于World Labs而言，真正值得争取的市场，可能不是让更多人偶尔生成一个漂亮的虚拟房间，而是让电影制作、游戏开发、空间设计乃至机器人研发，在需要创建和理解三维环境时，自然地把Atlas纳入工作流程。
如果这一目标能够逐步实现，世界模型才真正有机会从一项令人惊讶的AI技术，成长为数字内容与物理世界应用之间的重要基础设施。