AI 不只会生成视频了，李飞飞正在让它学会生成世界

如果你关注 AI 在 3D 生成领域的发展状况，你大概率是听说过李飞飞的「世界模型」的。2024 年底，世界模型还是浏览器里的早期场景，到 2025 年 11 月 Marble 商业化，再到 2026 年 9 月 Atlas 把文本、图像、相机位姿和深度图整合进同一个「空间上下文」，她在空间智能的道路上越走越远，也独树一帜，而她的核心是 3 样东西：可持久存在的 3D 世界、可调用的开发者接口、可进入机器人与影视生产流程的数字资产。

全文速览图

之前在 ImageNet ，她让机器学会「看图」，World Labs 时代，她要让机器理解「看图之后世界如何继续展开」。而世界模型比大语言模型更难被糊弄：语言模型答错一个事实，用户未必立刻发现；世界模型若把房间尺度做错、把门生成在墙后，下游流程会立刻暴露。

一、Atlas 上手：生成一个能进入的世界

对普通用户，Atlas 的上手门槛低得出人意料。不需要专业设备，不用几百张密集扫描，手机拍一张或几张照片就行。官方演示里，单张输入图就能生成完整场景，连物体背面这些照片根本没拍到的地方都能补出来，靠的不是平面「贴片补边」，而是先把照片在三维空间里定位，再按几何关系推演看不见的部分。

真正区别于普通视频模型的是相机控制。Atlas 把相机位当成原生输入，而不是塞在文字提示里的一句模糊描述。你可以精确设定每一帧、每一段运镜：绕到人物背后、俯拍、环绕，以及摇移、推车、升降等电影式运镜。官方原话是「你是在导演这场戏，不是在拉老虎机的摇杆」。用少量参考图，就能生成最长 1 分钟、1440p 的一致视频。

它还有两个普通用户能直接上手的交互：一是拖拽就能切换观察角度，实时看同一场景从别的方向长什么样；二是「空间上下文」，把两张本来无关的照片放进同一个三维空间、各自摆好位置，Atlas 会在两者之间生成平滑过渡的门、走廊和角落，把两张图缝成一个世界。重建也一样简单：两到三张照片通常就能得到忠实的重建，照片越多、模型「脑补」越少，上限能吃进上百张图；除了视频和图片，它还能生成 360 度全景图。

二、从 Marble 到 Atlas：产品形态变了，但核心没变

只看新闻标题的话，李飞飞的企业是典型的硅谷明星公司：2024 年 9 月携 2.3 亿美元融资出 stealth，2025 年 11 月上线 Marble，2026 年 1 月开 World API，2026 年 2 月宣布新一轮 10 亿美元融资，2026 年 9 月再发 Atlas。但把这些节点连成技术线，会发现它不是追热点式地「每月一个大模型」，而是在沿同一条空间智能技术路线补，循序渐进地补齐缺口：先解决世界能否被生成，再解决能否导出复用，再解决能否程序化调用，最后解决多模态输入能否统一到一个可扩展的架构之下。

Marble 是这条线技术线第一次落地的产物，一个多模态生成式世界模型，能从文本、单图、多图、全景、视频和粗略 3D 布局生成完整三维世界，且结果可编辑、可导出为 Gaussian splats、网格或视频。它和当时尚未倒闭的 Sora 相比，根本区别在于交付物：Sora 交付的是「一个能看的世界」，Marble 交付「能进入、可以更改、能带走资产」的世界。Atlas 则更进一步，相机变成一等公民，多个输入构成一个 spatial context，既能补出看不见的背面，也能沿指定相机轨迹生成一致视频，还能从三五台手机素材重建「子弹时间」镜头、帮机器人做 real-to-sim。

三、落地平台：已经开始收钱，但还不够成熟

世界模型的平台化其实也是有明确的思路的，大体上拆成四层，面向创作者的 Marble，面向开发者的 World API，面向网页渲染的 Spark/SparkJS，以及面向机器人仿真的 R2S2R 与 SceniX。前两层已经开始有收益了，而后两层则决定它能否从「3D 内容工具」长成「物理 AI 基础设施」。World API 的早期使用方（Escape.ai、Interior AI、xFigura、Preview、Fenestra）已经用结果证明商业化已进入真实产品，不是空谈概念。

所以，世界模型这条路的商业模式比外界想象得更现实，先向创作端收订阅，再向开发端收积分。服务条款把账号分成 免费 与 付费，免费账号生成内容的权利归 World Labs，只给可撤销、非排他、非商用许可；付费和 API 用户才拥有输出权利并可商用。隐私政策又写明用户提交内容可能被用于训练，付费用户可退出，但退出只对未来生效、不溯及已训练模型。这组条款的本质是「免费用户换数据、付费用户买产权」的冷启动。World Labs 未披露收入、付费用户数、企业客户数或 API 调用量，它跨过了「有没有产品」的坎，正处在「有没有可持续商业产出」的验证期。

四、效果验证：表面漂亮的数字要打个折来看

World Labs 官方称第三方用户评分者测试中，Atlas 在「跟随相机路径」这一项大幅领先：94% 选它而非字节 Seedance 2.5，81% 选它而非谷歌 Gemini Omni Flash，另有 75% 对 MiniMax H3、93% 对 FLUX 3 的胜出。最出圈的演示是「子弹时间」：三到五台普通手机围一圈，架在背包里就能带走的夹子和三脚架上拍一段视频，Atlas 就能冻结时间、从「不可能的角度」重新取景，过去这是电影级特效棚才有的东西。

但这里必须打三个折扣。其一，这些数字是 World Labs 自己跑的测试、自己发布的，不是独立评测；其二，测的是「运镜是否按指令走」，不是「画面更真实」，把 94% 说成「更真实」是常见误读；其三，Atlas 拿到的是原生相机位置姿态，竞品只能用文字描述相机，相当于开着导航的人和步行者比谁先到。独立媒体 implicator 还指出：发布时没有论文、模型卡、价格和公开合作方名单，只开放申请制 early access。最值得警惕的，是 Atlas 的 benchmark 目前主要来自厂商自评，世界模型还没有一把像 ImageNet 那样全行业都服的公共尺子。

五、赛道应用：影视游戏先赚钱，机器人最慢回本

最先赚钱的不是机器人，而是「节省三维制作时间」的赛道。Autodesk 投 2 亿美元并担任战略顾问，不是因为它要做人形机器人，而是因为它的客户遍布建筑、工程、施工、制造、传媒娱乐，这些行业最贵的东西之一就是三维制作与沟通时间。影视虚拟制作是证据最扎实的场景：台北 Moonshine Studio XR 让三名没有 3D 经验的创作者用 Marble 加 VIVE Mars 一天生成十多个环境、当天下午完成拍摄发布。

游戏与互动叙事是第二近的场景，Marble 生成背景环境和氛围空间，导入 Unity 或 Unreal 加交互逻辑即可，价值不在生成最终玩法，而在把「环境搭建」从昂贵的美术生产中拆出来。Escape.ai 已经把 2D 电影转成可导航的 3D 环境，让观众从「观看」变成「沉浸」。机器人与自动驾驶价值最大、兑现最慢：生成环境可接入 NVIDIA Isaac Sim、MuJoCo 等仿真器，World Labs 还与 Lightwheel 等团队合作，把评估从少量精心重建场景扩展到大量生成环境——但生成"看起来像"的环境不等于生成"物理上正确"的环境，3D 几何、材质属性和物理标注数据比互联网视频稀缺几个数量级。

六、对普通用户和创作者意味着什么

对普通用户，Atlas 第一次把三维创作的门槛压到了手机拍照这个动作上。过去想做一个能走进去的虚拟空间，要么会摄影测量，要么雇团队扫描建模；现在拍一张客厅照片，就能得到一个可以绕着走、能改角度的三维场景。它的意义不在「又多个 AI 视频工具」，而在把「造空间」这个能力从专业圈层下沉到每个人，家庭记录也从平面照片升级成日后能重新走进去的空间。

对创作者，价值更具体。影视前期，导演可以用几张参考图快速搭出场景草模，用来沟通镜头、打光、机位，不必等昂贵的 3D 团队；独立导演和广告团队能把单张图变成可反复取景的「虚拟片场」。还有一层容易被忽略的价值：Atlas 输出的是带三维结构的点云和 3D Gaussian splats，不是一次性锁死的视频，生成结果可以拿进专业软件继续改、继续用。从战略上看，World Labs 正把 3D 变成一种类似代码的中介层：先压低空间的边际成本，再把世界变成资产、把资产变成接口、最后把接口变成训练智能的基础设施。

七、结语：更难被证伪的 AI

这项技术最深的卡点，就恰恰在技术本身：3D Gaussian Splatting 很会把场景渲得漂亮，却不天然知道「这是一把椅子、那是一扇门、椅子可以搬走、门绕铰链转」，碰撞网格不等于语义对象、关节结构和可行动性。尺度标准则是第二个深坑，arXiv 已有研究指出 Marble 生成的场景常缺公制尺度，要靠 VLM 借常识推断高度再恢复尺度；对创作行业，尺度误差只是难看，对机器人的使用场景而言，它会直接导致抓取失败。评测与责任则最难平衡，评估 world model 可能比评估 LLM 难一个数量级，没有公共评测，就没有可信采购。

理解李飞飞，不能只看现在发布了什么，而要看她二十年来一直在反对什么。ImageNet 让机器学会识别世界，但留下一个问题：机器在静态图片上越来越聪明，却未必知道世界如何运转。World Labs 是她对这个问题的第二次下注。World Labs 既不是神话，也不是 AI 泡沫，Marble 已让空间生成从论文走进订阅、API 和片场，Atlas 正试图把生成、重建和仿真纳入到一套框架当中。这个野心大到足以吸引 Autodesk、NVIDIA 和硅谷最顶尖的投资人，也困难到必须用接下来很多年的评测、失败和工程细节来偿还，真正的智能，终究要离开屏幕，进入物理的世界。

参考来源

https://www.worldlabs.ai/blog/
https://www.worldlabs.ai/case-studies/vive-mars
https://www.worldlabs.ai/labs
https://x.com/theworldlabs/status/2094839759382429773
https://techcrunch.com/2025/11/12/fei-fei-lis-world-labs-speeds-up-the-world-model-race-with-marble-its-first-commercial-product/
https://techcrunch.com/2026/02/18/world-labs-lands-200m-from-autodesk-to-bring-world-models-into-3d-workflows/
https://adsknews.autodesk.com/en/news/autodesk-invests-in-world-labs/
https://observer.com/2025/11/fei-fei-li-world-labs-unveils-first-product/
https://implicator.ai/world-labs-atlas-withholds-paper-price-partners
https://startupfortune.com/fei-fei-lis-world-labs-launches-atlas-to-build-walkable-ai-worlds
https://siliconangle.com/2026/09/01/fei-fei-lis-world-labs-debuts-atlas-a-world-model-showcase-for-advanced-spatial-intelligence
https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
https://ai.meta.com/blog/v-jepa-2-world-model-benchmarks/
https://nvidianews.nvidia.com/news/nvidia-launches-cosmos-world-foundation-model-platform-to-accelerate-physical-ai-development
http://finance.sina.com.cn/stock/t/2026-01-19/doc-inhhvfrx8057612.shtml
https://bydrug.pharmcube.com/news/detail/a5bf9e2ad77e98d31d63eb6a82a8db9a
https://www.showapi.com/news/article/69fabf6d4ddd79ab67002633
https://arxiv.org/html/2607.13154v2