在人工智能赛道上，被称为“AI教母”的李飞飞每一次出手都自带聚光灯。近日，她联合创办的初创公司World Labs扔下了一枚重磅炸弹：正式发布全球首个多模态世界模型——Atlas。这款从零开始预训练的全新模型，不仅让AI“看懂”了世界，更让创作者获得了前所未有的三维空间掌控力。

像素级精准控镜，轻松拿捏“子弹时间”

Atlas最令人瞩目的杀手锏，在于其像素级的精准相机控制能力。传统的AI生成往往像开盲盒，而Atlas则允许用户输入包括相机移动在内的多模态指令，并将其无缝转化为立体的3D视图。

这意味着什么？你可以在空间中任意精准定位视角，生成具有绝对控制力的图像与视频帧。想要复刻好莱坞大片中极具视觉冲击力的“子弹时间”？现在只需简单的指令操作就能轻松实现。不仅如此，无论输入单张还是多张图像，Atlas都能输出结构清晰的3D模型，其重建效果甚至直接超越了当前市面上许多顶级的开源重建方案。

像魔法一样的运行机制

那么，这种级别的控制力是如何实现的？Atlas的运行逻辑非常聪明：当用户设定好特定的摄像机位置与角度后，模型会自动生成一张或多张与原始内容及几何形态严丝合缝的参考图。它不仅能平滑地向外延展画面边界，更能发挥想象力，自主填补原图中不可见的场景细节，让3D世界更加完整且真实。

全能型选手：生成、重建与模拟一网打尽

根据官方介绍，Atlas能够胜任世界生成、重建和模拟等广泛任务，具体来看：

• 电影级视频生成：凭借像素精确的运镜控制，仅凭一张或数张静态图，Atlas就能生成长达1分钟的1440p高清动态视频，画质与流畅度双双在线。
• 高保真空间重建：只需喂给它数十张图像，它就能将真实物理场景在数字世界中完美复刻，还能生成全新视角的画面以及显式3D模型输出。
• 时空与文本模拟：在时空维度上，Atlas能通过分析输入视频来建模空间与时间关系，重构画面以强化戏剧性视觉张力，甚至能为机器人的“真实到模拟（Real-to-Sim）”工作流提供强大的底层支持。此外，它完全支持文本生图与360度全景图，不仅能精准听懂复杂的提示词，还能准确渲染文字并呈现千变万化的视觉风格。

目前，World Labs已经向部分合作伙伴开放了Atlas的抢先体验通道。如果你也对这项重塑3D视觉未来的技术心动，不妨持续关注。官方透露，未来几周内，Atlas将逐步向更广泛的早期访问者敞开大门。AI驱动的电影级创作时代，或许真的要来了。