一张照片，AI脑补出一个「世界」：李飞飞的Atlas来了

AI圈又炸了。

这次的主角，是李飞飞。

她创办的公司World Labs，在9月1日扔出一个重磅：Atlas——一个被称作「全球首个多模态世界模型」的东西。

名字听着玄乎，说白了就三件事：

第一，给几张照片，它能生成最长1分钟、1440P画质的视频，镜头怎么走完全由你控制——不用再靠文字提示词碰运气。

第二，它能从几张普通照片里，把整个3D空间重建出来。斯坦福的主草坪，只用了2到25张游客随手拍，就还原出完整场景，还能给你来一段无人机俯拍。

第三，它是从零开始训练的。文字、图片、视频、3D，第一次被塞进同一个模型里，谁也不是谁的插件。

为什么这件事值得说道？
因为以前的文生视频，基本都在「猜」。

你在提示框里写一句「镜头缓慢左移」，生成出来什么样，全看模型当天心情。

而Atlas把相机位置、深度信息当成「原生输入」来处理。相当于直接告诉它：世界是有坐标的，不是一张白纸。

换句话说，大模型拼的是「读懂文字」，Atlas拼的是「理解空间」。

李飞飞这些年一直念叨一句话：AI要是没有「空间智能」，就别谈什么AGI。

当年图像识别靠她，今天世界模型还是她。

当然，故事讲到这，真正想勾住的是大客户。

World Labs的终极目标，其实是机器人。

你用手机拍一间屋子，它能给你造出一个3D仿真环境，让机器人先在虚拟世界里学会走路、抓东西，再上真机。

这公司成立不到两年，融资已经超过12亿美元，英伟达、AMD、Autodesk全都下场押注。

从「生成好看的画面」，到「生成够用的世界」。

AI的下一个拐点，可能真的已经来了。