AI正式进入3D时代！
一张照片生成1分钟4K大片，几张游客照重建斯坦福大学，随手拍的视频秒变《黑客帝国》“子弹时间”——这并非科幻电影，而是李飞飞最新发布的“世界模型”Atlas带来的现实。
告别“平面国”，AI终于睁眼看世界了科幻寓言《平面国》中，主角生活在2D世界，直到被带入3D空间才知晓“高度”的存在。2026年9月2日，人工智能也迎来了自己的“顿悟时刻”——“AI教母”李飞飞旗下World Labs正式发布了全球首个多模态世界模型Atlas。
如果说此前的AI是生活在“平面国”的居民，只会生成文字和2D图片；那么Atlas的出现，意味着AI第一次真正睁开了三维的眼睛，开始理解、重建甚至模拟我们身处的3D物理世界。
李飞飞本人将Atlas视为World Labs的 “里程碑式”成果。英伟达机器人主管Jim Fan也公开表示，这是机器人领域“真实到模拟”的一大步。

核心技术：给AI装上一本带“坐标轴”的3D草稿本Atlas到底凭什么能“理解”3D世界？答案藏在它的核心架构里—— “空间上下文”（Spatial Context） 。
打个比方：大语言模型处理的是“文字上下文”，看完上文猜下文。而Atlas处理的是“空间上下文”——它会将输入的每一张图片和视频帧，都锚定在三维空间中的一个精确位置，并附上相机位姿和深度信息。这相当于给AI提供了一本带有“坐标轴”和“比例尺”的三维草稿本。
在技术层面，Atlas是一个多模态自回归扩散Transformer，从零开始预训练，原生支持文本、图像、视频和3D四种数据。它融合了大语言模型和视频生成模型两条技术路线的优势——既能吃到大模型侧的推理优化，又能用到视频侧的扩散算法进步。
更重要的是，Atlas具备可扩展性：性能会随着训练算力的提升而持续增强。
四大核心能力：从“抽卡式”生成到“导演级”控制Atlas的能力覆盖世界生成、空间重建和时空模拟三大领域，具体分为四个方向：
1. 相机控制生成：像导演一样“运镜”
以前用AI生成视频，只能在提示框里卑微敲下“镜头缓慢向左拉升”，结果全凭运气。Atlas彻底改变了这一切——直接把相机位姿参数作为原生输入。
你只需提供1到6张参考图，设定好任意相机位置、角度和运动轨迹，Atlas就能生成最长1分钟、1440p分辨率的高清视频。World Labs表示，这让创作者能“坐进导演椅，而不是在拉老虎机的拉杆”。
更令人惊叹的是它的“脑补”能力：输入一张机器人的正面照，它能生成完整的背面；给一张泳池边角照，它能“猜测”旁边应该有一片草地。
2. 空间重建：几张照片取代几百个机位
传统的3D重建需要专业设备围着目标转几十圈，拍几百上千张照片。Atlas仅凭一张到数十张普通照片就能完成重建。
官方展示了一个震撼案例：仅用2到25张地面拍摄的游客照，就重建了斯坦福大学整个主方庭，并生成了高空俯瞰的飞行路径。在DTU等公开数据集上，Atlas的重建误差（25.3‰）优于多个专门为此训练的专用模型。
重建结果不仅是新视角的图像，还能输出点云和3D高斯泼溅等显式3D数据，可直接用于现有3D工作流。
3. 时空模拟：让时间“暂停”
Atlas能从输入视频中同时建模空间和时间。用普通手机拍摄的视频，就能创造出《黑客帝国》般的 “子弹时间”特效——固定时间点，自由调整镜头角度。
4. 图像生成：文生图与360°全景
Atlas还能根据文本生成图像和360°全景图，能遵循复杂提示、精准渲染文字，覆盖多种视觉风格。
行业影响：谁将最先被改变？Atlas的影响远不止于酷炫的演示，它将深刻改变多个行业：
影视与游戏：创作者可以像导演一样精准控制AI生成视频的每一个镜头，极大降低复杂运镜和特效的制作成本与门槛。
️ 机器人训练：这是Atlas意义最深远的应用。它打通了 “真实到模拟”（Real-to-Sim） 的工作流——用手机拍摄的普通视频就能快速构建高精度3D仿真环境，生成机器人训练所需的RGB和深度数据。这解决了机器人训练中“真实数据匮乏”的难题，让机器人在仿真世界里进行海量训练后再迁移到现实世界。
3D内容与AR/VR：改变了3D场景的构建方式。以往需要昂贵设备扫描的场景，未来或许仅凭几张随手拍摄的照片就能在电脑里重建。
️ 建筑设计、文保、数字分身：Atlas的3D重建能力也将为这些领域提供全新的基础设施。
⚠️ 坦诚的局限：并非完美的“世界模拟器”Atlas虽强大，但并非成熟的通用世界模拟器：
它擅长构建几何连贯的静态空间，但对于物体碰撞、复杂动力学的通用物理模拟能力仍待验证。当镜头转向完全未拍摄的区域时，模型仍需 “想象” ，依靠先验知识补全画面。随着生成路径变长，可能出现局部几何漂移或纹理闪烁。它生成的更像是一个视觉上合理的3D世界，未必是真实世界的精确复刻。 未来已来：空间智能是AI的下一章目前，Atlas已进入早期访问阶段，仅向部分合作伙伴开放，未来将驱动World Labs的Marble等产品。
李飞飞早已预言：AI的下一个十年是“空间智能” ——若AI无法理解物体的深度和三维空间，就永远无法真正实现通用人工智能。Atlas正是这一愿景的关键一步。
从“读文字”到“看世界”，从“生成画面”到“创造可进入、可操控的3D世界”——Atlas的出现，标志着AI正式从二维的“平面国”迈向三维的真实世界。这不仅是技术的进步，更可能是未来十年AI发展范式的一次根本性转变。
我们正在见证的，或许就是AI“睁开眼睛看世界”的历史性时刻。
Atlas目前尚未开源，仅向部分合作伙伴开放早期访问。本文信息综合自World Labs官方公告及多家媒体报道。