李飛飛（Fei-Fei Li）創辦的 World Labs 在 9 月 1 日以早期試用（early access）形式推出新一代世界模型 Atlas。這是繼 2025 年 11 月商業產品 Marble 之後，World Labs 端出的新世代模型，官方表示 Atlas 未來將驅動 Marble 及公司其他產品。
Atlas 能做什麼
Atlas 是一個世界模型（world model），核心架構是多模態自回歸擴散轉換器（multimodal autoregressive diffusion transformer），可處理文字、圖像、影片與 3D 資料四種輸入，並統一在一個 3D 空間框架下運作——每張輸入圖像都會被錨定在空間中的特定 3D 位置。
功能上，Atlas 支援像素級精確的鏡頭控制，最高解析度可達 1440p，在該解析度下生成影片長度最長支援 1 分鐘，能從單張照片開始進行 3D 空間重建。輸出格式也可以是原生 3D，包含點雲（point cloud）與 3D 高斯潑濺（3D Gaussian splats），不只是 2D 影片。這讓 World Labs 的定位和純粹的影片生成工具有所區隔，更靠近「理解並重建真實世界空間」的方向。
效能數字與驗證問題
Atlas 公布的效能數字看起來很強，但比較條件需要先講清楚。
在鏡頭控制生成（camera-controlled generation）的人類偏好測試中，World Labs 以單張輸入圖搭配 pan、truck、crane 等電影式鏡頭運動，讓人類評分者判斷生成結果對鏡頭路徑的遵循程度。Atlas 的勝率為：對 Seedance 2.5 為 94%、對 FLUX 3 為 93%、對 Happy Horse 1.1 為 86%、對 Gemini Omni Flash 為 81%、對 MiniMax H 為 75%。
不過 World Labs 在同一份資料中註明，測試時 Atlas 接收的是原生鏡頭姿態（camera pose）輸入，對照的模型則只能靠文字描述來理解鏡頭運動。換句話說，這組數字反映的是「原生支援鏡頭控制」與「用文字描述鏡頭」之間的落差，而不是單純的生成品質高低。
在 3D 重建的幾何誤差上（mean AbsRel error，於 DTU、ETH3D、KITTI、NRGBD、7-Scenes、ScanNet、Tanks & Temples 七組資料集取平均），Atlas 為 25.3，對照模型落在 28.7 至 47.7 之間，數值愈低代表重建誤差愈小；以上數字均出自 World Labs 官方 blog，尚未經第三方獨立驗證。
公司背景
李飛飛主持了 ImageNet 資料集的建立，也曾長期擔任史丹佛 AI 實驗室（SAIL）主任。World Labs 於 2024 年帶著 2.3 億美元募資走出隱形階段，2026 年 2 月再完成 10 億美元募資，累計募資金額約 12.3 億美元；投資人包括 AMD、NVIDIA、Autodesk（單獨投入 2 億美元）、Fidelity 與 Emerson Collective 等。
產品線上，World Labs 已於 2025 年 11 月推出首個商業產品 Marble，主打從文字或圖像生成可探索的 3D 場景。Atlas 這次的角色是往上游走一階：從產品層回到基礎模型層，再由這個模型去支撐後續版本的 Marble。
Atlas 目前僅對特定合作夥伴開放早期試用，其他人可透過官方表單登記，由 World Labs 主動聯繫，尚未全面開放。
對於正在評估 3D 內容生成或空間 AI 工具的開發者與設計師而言，Atlas 的定位比較接近基礎設施層的工具，而非消費者端的應用。人工智慧在空間理解這個方向上的發展，World Labs 這次算是把模型層的成果拿出來讓外部測試了。
（本文轉載自Inside，初稿為 AI 編撰）
