备选标题
- 两张照片也能建世界：Fei-Fei Li 的 World Labs 放出 Atlas
- 像素级控镜 + 稀疏重建：Atlas 把 world model 压进一条 omni 栈
- 从 Marble 到 Atlas：空间智能实验室押注「相机几何原生输入」
导语
斯坦福视觉先驱 Fei-Fei Li 联合创办的 World Labs 于 2026 年 9 月 1 日发布下一代世界模型 Atlas：从零预训练的 多模态自回归扩散 Transformer，原生处理文本、图像、视频与 3D，并把 相机位姿 写成一等公民输入。公司称其可在少量参考图上生成最长约 1 分钟、1440p 的相机可控视频，并输出点云与 3D Gaussian splat；目前向精选伙伴开放 early access，尚无公开定价与全面开源。
发生了什么
据 World Labs 官方博客与 SiliconANGLE 等公开报道：
- 产品定位：Atlas 自称 omni world model，覆盖 相机可控生成、稀疏视角空间重建、时空仿真、文生图/全景 等任务，并将驱动未来版本的 Marble 等产品。
- 架构：多模态自回归扩散 Transformer；输入在三维空间里落地形成 spatial context，再按序列条件生成下一帧/几何。
- 相机控制：与依赖粗文本描述镜头的视频模型不同，Atlas 把精确相机几何当作原生输入，官方盲测中相机路径跟随偏好显著高于 Gemini Omni Flash、FLUX 等对照。
- 稀疏重建：公司称两到三张图即可忠实重建多数场景，并在 DTU、ETH3D、ScanNet 等点图误差基准上优于多个专用开源重建模型；也可吞入上百张输入做更忠实复现。
- 机器人 Real-to-Sim：用手机视频捕获真实空间后，Atlas 可重建环境并沿机器人路径生成 RGB/深度观测，支持导航与操作类仿真与可控扰动。
- 资金背景：SiliconANGLE 称 World Labs 已累计融资约 12 亿美元，投资方包括 Nvidia、AMD、Autodesk 等；Atlas 是该轮后首个被描述为「从零预训练」的模型。
- 可用性：early access 申请开放；权重与代码未公开发布。
Atlas is an omni model that we pretrained from scratch to natively operate on text, images, video, and 3D. It is a multimodal autoregressive diffusion transformer: all inputs are combined into a shared spatial context.
为什么重要
本周模型圈仍在吵 agent 与网络安全门槛，Atlas 把叙事拉回 空间智能：若 AGI/机器人要在物理世界里规划动作，仅靠「看视频猜下一帧」不够，还需要 几何一致、可导出 3D、可进仿真 的世界表征。
把相机轨迹写成原生输入，等于把导演椅从提示词彩票挪回可控摄影；把稀疏重建与 Real-to-Sim 绑在同一底座上，则直接对准机器人数据饥渴——手机扫一圈房间，就能扩成可扰动的训练世界。竞争侧有 Odyssey、AMI Labs、Niantic Spatial 等分拆路线；World Labs 的赌注是 一条 omni 基座通吃生成与重建。
展望
接下来两到三个季度值得盯：Atlas 何时走出伙伴墙、在真实机器人闭环里的 sim-to-real 落差、以及「omni 通吃」是否会被专用重建/视频模型在单点任务上反超。空间智能热钱已到位，裁判仍是产线与片场里少翻车几次的相机路径。