大家好,我是山风入茶,每天给大家带来最新动态 ,内容随缘更新,每篇都掏干货;如果你觉得这些信息对生活有用,就点个关注~最近AI圈一件大事正在慢慢发酵:李飞飞创办的World Labs,正式对外开放了自研的新一代世界模型At
las。很多人看完演示第一反应很震撼:只给一张普通图片,AI就能把这张二维照片,扩展成一个完整、能自由走动、多角度浏览的三维空间,效果就像现成的游戏场景一样可以到处漫游 。网上不少短视频已经放出实测,一张手绘街区、一张风景照,上传之后拖动镜头前后左右移动,AI实时生成画面,我们能以第一人称视角在图片延伸出来的世界里穿行。很多普通网友、独立游戏开发者已经开始尝试,不少人直言,这可能会彻底改变3D内容、游戏、影视行业过去十几年的生产方式。但热闹背后,很多人其实没有搞懂:Atlas到底是什么?它只是又一个AI画图工具吗?一张图变成可漫游的三维空间背后的逻辑是什么?现在真实能力到哪一步?普通创作者、游戏从业者、普通人分别能拿到什么价值?还有哪些短板没有补齐?未来几年这条技术路线会走向何方?今天我尽量用大白话,不带晦涩术语,把这件事从头到尾拆解清楚。先简单梳理一下项目背景,方便大家建立完整认知。李飞飞是全球计算机视觉领域非常有影响力的学者,之前长期在斯坦福任教。2024年她牵头创立World Labs,整个团队的目标不是做简单的图片生成AI,而是攻克“空间智能”,打造能理解三维真实世界的世界模型 。这里先解释一个高频新词:世界模型。很多朋友第一次听到这个词觉得很玄乎,其实通俗来讲,就是一套AI系统,它不止是会生成一张一张孤立的图片,而是去学习整个现实世界的空间规则、物体摆放逻辑、光影关系。当你给它一个起点,它能顺着物理逻辑把整个空间推演补齐。之前市面上绝大多数AI绘画、AI视频,本质上是生成独立画面。两张相邻画面之间没有统一的三维坐标系,镜头稍微一动,物体就变形、错位、穿模。我们把这种问题叫做空间不一致,也是过去两年AIGC一直难以真正进入游戏、虚拟制作流水线的最大拦路虎。你没法拿一个镜头一动物体就扭曲的素材直接做游戏。而Atlas从立项开始瞄准的就是这个痛点。团队早在去年就放出过前置版本RTFM,做新视角生成的技术预演。今年9月1日,World Labs正式对外发布Atlas;到近期,官方把网页端工具、开发者API全部开放,普通用户注册账号就可以上手体验,不用再只是看别人发演示视频云吃瓜 。这次开放不是只放出一个简单Demo,而是一整套配套工具链:Viewfinder、Chisel、Relight、Splat‑to‑Mesh,覆盖了从图片导入、场景搭建、重新打光、最后导出标准3D格式对接游戏引擎全流程。也就是说,它不只是一个玩具,是一套可以落地到生产里的工作流。接下来我们讲最核心的:Atlas到底能干什么?网上流传最广的标签是“一张图片变游戏世界”,这个说法没有错,但并不完整,我把它拆成四大核心能力,一个个讲清楚。第一,单图/少量图片可控镜头生成,也就是大家刷到最多的效果:一张图,自由控制相机前后、左右、旋转移动,AI实时生成对应视角下的连续画面。过去也有不少工具做图片延伸,但是大多只能往左右拉伸一点点,一旦镜头向前推进很远,整个场景结构直接崩坏。Atlas不一样,它内部维护了一个统一的三维空间上下文,所有新生成的视角都服从这一套空间逻辑。模型知道墙有多高、道路朝哪个方向延伸,树木大概在什么位置,不会镜头一转房子直接歪掉。官方配套的实时演示项目叫Frameboy,经过工程优化之后,可以在云端做到最高15帧每秒实时漫游。上传一张图,鼠标拖动镜头,画面即时刷新,体验和我们玩一款低成本独立游戏的第一人称漫游非常接近。但这里要划一个重点:Frameboy目前只是一个研究预览版本,算力跑在云端服务器上,本地电脑是扛不住这么大计算量的 。第二个核心能力,真实场景三维重建。如果你上传多张同一个地点、不同角度拍摄的实拍照片,Atlas可以把现实里真实存在的场景高精度重建出来。对比传统三维重建技术,它的优势是对素材要求更低。传统NeRF、高斯泼溅重建往往需要几十上百张排布均匀的照片,稍有漏拍、角度缺失就会出现大量空洞、破损。Atlas在少量图片输入的条件下重建效果大幅提升,缺失的部分AI会基于它学习到的世界常识合理补齐。官方测试数据显示,在对应的行业基准榜单里,Atlas的综合表现已经超过很多专门用来做重建的垂直模型 。这个能力的落地场景不只是做游戏。举几个现实例子:建筑从业者拍完工地几处关键照片,快速重建工地现场三维模型做进度巡检;文旅行业上传几张古建筑照片,快速生成可以线上漫游的数字展厅;影视团队提前去勘景,拍少量照片,在电脑里预演整套镜头走位,不用反复来回跑外景。第三,文本直接生成全新的三维空间。就算你一张参考图都不给,只输入一段文字描述,Atlas也能从零搭建一套完整的3D场景。比如你输入“一条雨后南方山城的老巷子,两边是老旧居民楼,路边摆着盆栽和旧摩托,阴天柔和的漫反射光线”,AI就会生成一套符合文字描述、可以自由穿梭的完整环境。这个功能对独立游戏开发者的意义巨大。过去做一款小型开放世界游戏,关卡美术是最大成本之一,要手动建模、摆物件、调材质、打光,一个中小型关卡团队可能要几周甚至几个月。现在设计师只需要构思好文案或者一张概念草图,AI先快速批量产出几十套不同版本的关卡原型,团队只需要从中挑选合适的版本精修,前期试错成本被压到极低。第四,时空模拟,面向机器人仿真。这一块大众关注度不高,但却是World Labs整个长期规划里非常重要的一环。Atlas不止可以做静态场景,也能基于视频理解空间随时间变化的规律,搭建高度仿真的虚拟环境用来训练智能机器人。机器人可以在AI生成的海量虚拟场景里面反复练习导航、避障、抓取物品。训练完成之后,直接把这套在虚拟世界练出来的控制逻辑迁移到真实物理机器人身上。业内叫法是Real‑to‑Sim,现实到仿真的工作链路。李飞飞在多次公开分享中都提到,物理AI、机器人是这套世界模型未来最大的赛道之一 。讲到这里很多人会有疑问:这套东西和市面上其它AI 3D工具有什么本质区别?为什么不少业内投资人评价,Atlas是3D生成领域一个里程碑式的作品?我拿大家熟悉的工具做个对比,方便各位看懂差异。第一类,普通文生图模型(比如各类AI绘画工具):输出是独立的2D图片,没有统一三维空间。你每次生成一张新图都是一次全新的随机创作,两张图之间没有绑定关系,没办法直接连成一条顺滑的漫游镜头。适合做概念原画,但做可交互游戏场景后续工作量巨大。第二类,单图生成3D模型工具:输入一张图,输出一个单独物体的3D网格,比如一把椅子、一辆汽车。它只能生成孤立的单件资产,不能一次性生成一整套包含地面、建筑、植被、街道,互相咬合、连通的大场景。你拿到一堆单独模型之后,还要自己在引擎里面手动一个个摆放拼接,非常耗时间。第三类,传统三维重建软件:擅长还原真实场景的精准几何结构,但想象力为零,照片没拍到的地方它完全不知道长什么样,只能留空。想要凭空创造一个不存在的奇幻游戏世界,传统重建工具完全无能为力。而Atlas是生成、重建、模拟三合一。既可以基于真实照片还原现实世界,也能凭空脑补出不存在的虚拟世界,并且所有视角都共用一套稳定的三维空间记忆。它瞄准的不是生成一张图、一个单独道具,而是一次性产出一整个可以连续探索的完整“世界”。这就是它被叫做世界模型的根本原因。当然,吹完它的能力,我们必须客观聊清楚它当下的短板。现在网上很多自媒体渲染“游戏美术要全部失业”“以后做游戏只要输一句话就行”,这类说法明显过于乐观,严重脱离现在真实产品的阶段。第一,实时交互高度依赖云端算力。目前能做到15帧每秒的实时漫游,但这个帧率距离3A游戏60帧流畅标准还有很大差距。镜头高速大幅度移动的时候,远处部分物体偶尔还是会出现扭曲、闪烁、细节崩坏。如果未来要大规模普及,要么继续大幅优化算法降低算力开销,要么硬件要有一轮大升级,两个条件现在都还不成熟。第二,场景内部物体编辑能力还比较弱。现在你可以生成一整条街道,但是如果你想精准修改其中某一栋房子:比如把二楼窗户加大、换掉路边那台摩托,直接在生成出来的场景里精准局部修改,这套精细化编辑链路还不够顺滑。现在更适合快速做原型、做概念探索;距离可以直接拿来不加修改商用成品还有很长一段路。大部分情况,导出之后仍然要导入Blender、Unity、Unreal引擎里二次精加工。第三,动态物体的支持有限。目前Atlas最强的是静态大场景。对于场景里面走动的人物、行驶的车辆、随风摆动树叶这类大量动态物体的长期稳定仿真,还是接下来需要持续迭代的课题。我们现在能流畅漫游一片静态街区,但距离一个满是活物、所有物体遵循物理规则自由互动的开放游戏世界,中间还有非常多技术关卡要攻克。第四,使用有算力成本。平台采用积分机制,生成、导出、实时预览都会消耗积分。虽然新用户会赠送初始额度,但如果是工作室高强度批量生产,长期使用是一笔持续开销。后续定价、算力成本能不能持续下降,决定它能不能下沉到大量小型团队、个人创作者手里。把优缺点说完之后,我们落地聊一聊:现在不同行业、不同身份的人,可以怎么用好这项新技术,它能实实在在解决哪些痛点。首先是独立游戏开发者、小型工作室。这一批人是当下Atlas最大的受益群体。国内大量小型独立团队,最缺的不是创意和玩法,而是美术产能。想做一个开放一点的关卡,人手不够,时间不够,资金不够。很多很棒的游戏创意,最后只能被迫缩成很小的线性地图。现在的新工作流可以变成这样:策划写场景文案,或者画师随手画一张简单的概念草图;导入Atlas一键生成完整可漫游的大场景原型;团队在原型里面快速走一遍,验证关卡路线、掩体分布、光影氛围合不合理,不合适就立刻换关键词、换草图重新生成。几十分钟就能迭代好几版方案。敲定最终版本之后,导出高斯点云或者标准3D网格,导入游戏引擎优化细节、烘焙光照、放上互动道具。它不能完全替代3D美术,但可以把前期漫长、高成本的试错周期大幅压缩,让小团队有能力去尝试以前不敢碰的开放世界类项目。第二个群体,影视、动画、短视频创作者。过去拍一段镜头环绕穿行的沉浸式镜头,方案无外乎两种:实景拍摄调度成本高,后期跟踪繁琐;全CG制作,从建模、搭场景到渲染周期很长。现在创作者只需要一张参考图,在Atlas里直接画出整条相机运动轨迹,AI自动渲染整条顺滑连贯的镜头视频。像之前很火的“子弹时间”特效,过去要几十台相机同时拍摄,现在少量素材输入就可以完成类似效果。对于做沉浸式短片、虚拟背景、虚拟演播室,这套工具能省下大量前期投入。第三个方向,建筑设计、室内设计、景观设计。设计师做完效果图之后,客户往往只能看几张静态图片,很难想象在空间里面走动是什么体验。用Atlas,一张效果图直接生成可以第一人称漫游的完整户型、园区。甲方不用靠脑补,直接在虚拟空间里四处走,亲身感受空间尺度、采光、动线是否合理,沟通效率会提升一大截。当然,要用来最终施工还需要精准尺寸,AI生成的模型尺寸有一定误差,只能用来前期方案沟通,不能直接交付施工图。第四个赛道,数字文旅、线上虚拟展厅。很多古镇、景区、博物馆想做线上3D云游。传统方案需要专业团队带着设备实地扫描,成本高、周期久。用Atlas,工作人员现场随手拍一批照片,就能够快速生成一套可在线漫游的数字副本。虽然精度比不上专业激光扫描,但胜在速度极快、成本低廉,非常适合快速做轻量化线上展示、预热宣传。第五个方向,机器人、自动驾驶仿真测试,这是长线价值最大的赛道。现实世界里做自动驾驶、机器人路测有成本高、风险大、场景覆盖不全的问题。有了强大的世界模型之后,AI可以源源不断生成各种极端、罕见的虚拟路况和室内环境,让机器在虚拟世界里反复训练。当仿真环境足够贴近真实世界物理规则,仿真中练出来的算法迁移到现实设备的成功率就会大幅上涨。这也是为什么AMD在收购World Labs之后,把物理智能机器人当成未来的重点布局方向。聊完各行各业的应用,我们再把视线拉回到我们普通人身上。很多朋友会问,我不是从业者,这套技术跟我有关系吗?当然有关系。我们可以畅想接下来几年普通人的创作门槛变化。以前如果你想把自己画的一张插画,做成一个能进去逛的小世界,几乎没有可行的低成本路径。未来,一个普通爱好者,一张随手拍的老家老街照片,一张自己画的幻想异世界草图,上传之后,就能生成属于自己的私人虚拟小世界。你可以把链接发给朋友,大家一起在线上在你的世界里闲逛打卡。个人数字创作的边界会被彻底拓宽。当然机遇背后同样也有需要警惕的问题。随着3D内容批量生成越来越简单,未来网上的虚拟资产会迎来一轮爆炸式增长,版权界定、素材溯源、虚假数字场景辨别,都会成为接下来全社会要共同面对的新课题。所有新技术都是一把双刃剑,关键在于人类制定什么样的规则去用好它。顺着Atlas这条技术线往外延伸,我们再聊一个更深层的话题:AI发展的下一站,是不是从“生成图片”走向“理解整个三维空间”?回顾这几年生成式AI的发展路径:先是文本大模型学会了写文字;然后文生图AI学会了生成静态画面;之后是AI生成短视频。但上面所有这些,本质都是在输出一段一段二维像素序列。而我们人类是生活在三维空间里的生物。我们感知世界、做决策、进行劳动创造,全部都是基于三维空间。所以很多行业专家判断:空间智能、世界模型,是AI往下走非常关键的一步。AI不能只会一张一张输出画面,它得先“懂”这个世界的空间结构,才能真正去做仿真、去操控机器人,深度介入现实世界的生产活动。当然,Atlas只是这条长路上一个阶段性成果,不是最终版本。接下来模型还会持续迭代:提升实时运行速度、强化物体精准编辑能力、完善物理模拟、降低每一次生成的成本。未来1‑3年,我们大概率会看到一大批同类竞品陆续入场,整个赛道快速内卷,成本持续下降,工具会变得越来越傻瓜化。但我们也要保持理性:即便世界模型持续迭代,也不等于人类创作者会被直接替代。AI擅长的是快速生成大量候选方案、做繁重的基础搭建;但是创意方向把控、人文氛围打磨、符合人类审美与情感的细节雕琢,这些依旧是人的主场。未来的主流模式大概率是人机协同:人类定方向,AI做大量重复性的基础苦力活,人的创造力被进一步放大。就好比当年CAD绘图软件普及之后,设计师并没有失业,只是不用再趴在桌子上手绘每一根线条,可以把更多精力投入方案创意。这一轮AI浪潮也是类似逻辑,淘汰的只是不愿意拥抱工具、固守老旧工作流的从业者;愿意学习新工具、把AI当成自己效率放大器的创作者,反而能迎来前所未有的机会。最后我们做一个完整总结。李飞飞团队World Labs开放的Atlas世界模型,最大的突破不是又做出一个好看的AI特效,而是它打通了从二维图片、文字描述,到一个空间自洽、可连续漫游的三维虚拟世界的完整链路。它把搭建虚拟世界的门槛,从过去需要专业团队、昂贵软件、漫长工时,降到一个普通开发者、设计师都能够伸手摸到的高度。它当下还有不少不成熟的短板:实时帧率不足、精细编辑不方便、动态模拟有待完善,现阶段更适合做创意原型、前期预演,不能一步到位替代整套成熟工业化管线。但它给整个行业指明了一条清晰可行的前进路线。接下来不管是独立游戏、影视动画、建筑设计,还是机器人仿真,都会慢慢尝到这套技术带来的红利。技术的齿轮一旦转动起来就很难停下。图片一键生成可交互三维世界不再只是实验室里面的演示,已经正式来到所有人面前。接下来就看各行各业的从业者怎么结合自己的业务,探索出新的玩法、新的商业模式。话题讨论:你觉得Atlas这类世界模型最先会在哪个行业大规模落地?未来普通人有没有机会靠“搭建虚拟小世界”获得收入?欢迎在评论区写下你的看法,感兴趣可以点个关注,后续我会持续跟踪世界模型、空间智能领域的最新进展,第一时间给大家带来拆解干货。免责声明:本文仅为行业资讯解读,所有技术能力以官方最新版本为准,文中观点仅代表个人分析,不构成任何投资、创业建议。