World Labs unveils Atlas, a single AI model that generates, reconstructs, and simulates 3D worlds from just a few photos

世界實驗室推出 Atlas：只要幾張照片即可生成、重建與模擬 3D 世界

World Labs 由人工智慧研究先驅 Fei‑Fei Li 共同創立，近日正式發表全新 Atlas 影像模型。Atlas 能以少量照片（從單張到數十張）即時產出完整的三維場景，並支援從任意視角的相機移動生成高畫質影片。公司聲稱，Atlas 在各項專門化 3D 任務上均超越現有模型，未來有望取代多種獨立工具。

背景與技術核心

World Labs 自成立以來的願景是「空間智慧」——讓人工智慧像人類一樣理解三維空間。Atlas 是首個以此目標大規模建置的模型，與傳統只產出平面影像或短片的多模態模型不同，它能「空間定位」每一筆輸入資料（文字、影像、影片、3D 資料），將其錨定於具體的三維座標，而非僅僅作為一維或二維序列處理。這種 空間上下文（spatial context）使模型在產生新畫面或視角時，能直接參照已知的三維結構。

在相機控制的生成任務中，使用者只需提供一張或多張參考照片，並以幾何座標（相機位置與角度）作為輸入，Atlas 即可輸出最高 1440p、長度達一分鐘的影片。相較於需要文字提示的影片擴散模型，Atlas 的幾何輸入更直觀、可控，避免了「隨機抽籤」式的生成結果。

重建與模擬的突破

Atlas 能從極少的照片重建真實場景，最少只需單張影像，最多可接受數十張。輸入的照片越多，模型需要自行補完的部分就越少，重建品質相應提升。World Labs 表示，僅憑兩三張照片，Atlas 已能產出與專門 3D 重建模型相當甚至更佳的結果；在處理上百張照片時，亦能順利組合出完整的場景，例如在示範中，Atlas 以 2 至 25 張校園地面照片逐步拼湊出斯坦福大學主校區，並生成俯瞰全校的鳥瞰圖。

在 OpenWorldLib 基準測試中，傳統模型如 VGGT、InfiniteVGGT 在相機大幅移動時會出現幾何不一致與紋理模糊的問題；而 Atlas 能保持幾何一致性，提供平滑且細緻的視角切換。

輸出形式與未來應用

Atlas 不僅輸出影像或影片，還能直接產生點雲（point cloud）與 3D 高斯斑點（Gaussian splats）等真實三維資料格式。這類表示方式允許使用者在任意角度即時瀏覽場景，為虛擬實境、遊戲開發、建築設計等領域提供即插即用的基礎模型。

展望

Atlas 的出現標誌著 AI 從「二維感知」向「三維理解」的關鍵跨越。若其宣稱的跨模型優勢得以持續驗證，未來開發者可能不再需要分別採用多種專門工具，而只需一個統一的空間智慧模型即可完成生成、重建與模擬。對於內容創作者、設計師以及科研人員而言，Atlas 有望大幅降低製作門檻、縮短開發周期，並促進更真實、互動的數位體驗。

結語：在 AI 逐步掌握「空間感」的今天，Atlas 為三維內容的自動化開闢了新路徑。業界應持續關注其實際表現與生態系統的成熟度，才能真正把握這波「空間智慧」的浪潮。