World Labs发布Atlas：几张照片就能重建一个可漫游的三维世界

只用几张随手拍的照片，能不能在数字世界里重建出一个真实可感的空间？2026年9月2日，由AI科学家李飞飞参与创立的World Labs给出了答案——正式发布全球首个多模态世界模型Atlas。

什么是世界模型，Atlas强在哪里

传统3D建模需要扫描设备、专业软件和大量人工，而Atlas走的是另一条路：它把图像、视频、文本等多种信息放在同一个架构里处理，从零完成预训练，能够生成符合相机控制要求的像素级画面，并对生成内容进行3D维度重建。换句话说，给它几张照片，它就能”脑补”出完整的三维空间。

李飞飞公开披露了Atlas的多项核心能力：仅靠单张输入图像就能完成大型场景重建；对视频重新构图实现时空模拟；从单张或多张输入图像直接原生输出3D空间；还能把不同姿态的多张图像整合成一个完全自洽的3D世界。

从Marble到Atlas：世界模型的进化路线

其实这已经不是World Labs第一次交出作品。此前团队已经推出过3D世界生成产品Marble，主打单图生成可探索场景。而Atlas在Marble的基础上实现了质的跨越：它不只是”生成一个场景”，而是把世界生成、空间重建和时序模拟融进了同一个模型体系，属于真正意义上的”空间智能”尝试。

谁能用上Atlas：VFX、机器人都在等

在官方口径里，Atlas被描述为”目前表现最优的相机条件世界模型”，覆盖的落地场景相当广。影视特效（VFX）行业可以用它快速搭建虚拟场景、做镜头重构，省下大量实拍和建模成本；机器人领域则可以借助它对空间的理解能力，让机器人在虚拟环境里先”看懂”房间结构，再迁移到真实世界执行任务。游戏、自动驾驶仿真、室内设计等方向同样有想象空间。

为什么”用照片重建世界”如此重要

过去几年，大模型在语言和图像理解上突飞猛进，但对”空间”的理解一直是个短板。AI要真正走进物理世界，就必须学会判断物体远近、遮挡关系和空间布局。Atlas把这个问题摆到了台面上：当模型能从零散的二维照片里还原出连贯的三维结构，AI距离”理解世界”就更近了一步。

当然，Atlas目前仍是早期产品，生成精度、复杂场景的还原度还需要更多实测检验。但方向已经清晰：空间智能正在从概念走向可用。接下来要关注的，是这套模型会以什么形态开放给开发者，以及它能否在真实项目中跑通工作流。可以确定的是，AI的战场已经从”看懂一张图”延伸到”重建一个世界”。