Atlas来了：李飞飞给世界模型装上会跑的镜头

9月1日晚，李飞飞的World Labs发布Atlas，官方口径是"全球首个多模态世界模型"。

李飞飞自己置顶了一条：这是团队的重大里程碑，从零开始训练，一张图就能重建大场景。

先说它跟视频生成模型的本质区别。

Sora那类模型，你只能靠文字描述"镜头往左移"，模型猜你的意思。Atlas把相机位姿当成原生输入，镜头在空间里的位置和朝向，是一组可以检验的几何参数，不是一句模糊的意图。

创作者指定任意机位，模型生成的内容和输入图的几何严格对齐，还能顺着推演、补出画面外没拍到的东西：单张图背后是机器人，它会想象出机器人的背面；泳池旁边该有块草地，它也"猜"到了。

官方演示里最炫的是"子弹时间"，多机位环绕一张静态图，拍出好莱坞大片效果。

架构上它是个全能模型：文本、图像、视频、3D数据全部锚定在三维空间里，形成一个"空间上下文"，再自回归生成下一步。

有点类似LLM的上下文机制，但每张图都带着3D坐标。所以你能把两张毫无关系的参考图放进同一空间，指定位置，Atlas会自己补出门廊、走廊把两个世界缝合起来。深度图、相机位姿都是它原生处理的数据类型。

官方说遵循Scaling Law，算力上去能力继续涨，这话现在还是假设，但方向摆在那。

能力分成四块：像素级运镜生成（最长1分钟1440p视频）、空间重建（一到几十张图出显式3D，稀疏视角重建误差比专门做3D重建的模型还低）、时空模拟（给视频换视角、支持机器人Real-to-Sim）、以及文生图和360度全景。

机器人那条线才是真正的野心。李飞飞6月刚把世界模型分成渲染器、模拟器、规划器三类，明说最关键的是模拟器，它承载世界的几何、物理和动力学。随后收购机器人仿真公司SceniX，发布Real-to-Sim-to-Real。

Atlas把这条链打通了：手机拍一圈真实空间，变成机器人能反复练习的模拟环境，还带RGB和深度传感器读数。

英伟达机器人负责人Jim Fan的评价很直接：这是机器人领域走向Real-to-Sim的一大步。

也得泼盆冷水。生成得合理不代表物理上正确，画面里的世界不等于能当可靠训练场的世界，模拟器有效性是另一道关。

融资12亿美元、英伟达AMD Autodesk都押注，Atlas接下来会成为Marble的底层模型。部分合作伙伴已拿到抢先体验，几周后开放早期访问。

李飞飞赌的是"空间智能"这整个方向，Atlas是迄今最完整的一张答卷。