1到6张照片，生成最长1分钟、1440p的视频，镜头角度和运动路线可以直接控制；2到25张游客随手拍的照片，重建出一个完整的3D场景。这是9月2日，李飞飞创办的World Labs为新模型Atlas公布的能力清单。（来源：量子位、凤凰网科技，2026年9月2日报道）
World Labs官方称Atlas为"全球首个多模态世界模型"。李飞飞本人把它置顶在个人主页上，称作团队的"里程碑式"成果。
世界模型，和"生成视频"差在哪
过去两年大家熟悉的AI视频生成，本质是"一帧一帧画出来"——画面可以很惊艳，但模型并不真正理解画面里的空间关系：镜头一转，桌子可能长腿跑了。
Atlas走的是另一条路。官方介绍，它从头开始预训练，原生理解相机位姿、3D深度和空间关系。输入几张照片加一条运镜轨迹，它生成的每一帧都和输入图像的内容、几何形状对得上，甚至能"脑补"出原图里没拍到的区域。（来源：凤凰网科技）
具体能力分四块（来源：量子位、凤凰网科技）：
- 相机控制生成：一张或多张图片，生成像素级相机控制的图像和视频，最长1分钟、1440p；
- 空间重建：1张到数十张输入图像重建真实场景，可输出显式3D模型，效果超过专门的3D重建模型；
- 时空模拟：对输入视频同时建模空间和时间，自由切换视角，实现电影里的"子弹时间"，还支持机器人的真实到模拟工作流；
- 图像生成：文本生成图像和360°全景。
李飞飞说："Atlas为从视觉特效到机器人的众多应用场景打开了大门。"她的学生、英伟达机器人主管Jim Fan也评价：这是机器人领域Real-to-Sim的一大步。（来源：量子位）
对普通人意味着什么
一句话概括：AI正在从"给你生成一张画面"，走向"给你生成一个能进入、能操控的世界"。
这意味着一些今天还挺费劲的事，以后可能只需要"拍几张照片"：电商商品展示不用搭影棚、老房子的装修效果提前预览、一段旅行视频换个视角重剪一遍。门槛在往"会拍照、会描述"这边靠，而不是往"会建模、会剪辑"那边靠。
不过现在还不是上手的时候——官方表示，部分合作伙伴已获得Atlas抢先体验资格，将在未来几周内开放早期访问。（来源：凤凰网科技）也就是说，公众入口还没开。
等开放的这几周，可以先做三件事
第一，练"描述场景"的表达能力。 世界模型和图像生成吃的是同一套基本功：你把场景、光线、机位描述得越准，AI输出越稳定。今天就可以拿任何文生图工具练手，不花一分钱。
第二，体验现成的"照片变内容"工具。 比如AI家园里的老照片修复（spark1.cn/ai-photo-restore），上传一张模糊、褪色的老照片，10到30秒完成画质修复和黑白上色，下载高清版；或者用AI画室（spark1.cn/ai-image）直接文字生成图片。这些都是"输入→生成"逻辑的日常版，先用熟，等世界模型开放时上手更快。
第三，开始有意识地积累素材。 世界模型时代的玩法是"几张照片重建场景"。平时对同一个场景多角度拍几张——家里的客厅、常去的公园、店铺的门面——将来都是能直接"喂"给模型的原料。
写在最后
技术的节奏确实在加快，但不必追着焦虑。从生成一张图到生成一个世界，工具越来越强，而决定它价值的，始终是你想用它表达什么、解决什么。从容一点，边用边学，该上手的时候自然会上手。
💬 评论