World Labs將Atlas定位為一個面向「空間智能」嘅 omni world model——即係一套可以原生處理文字、圖片、影片同3D資訊嘅多模態世界模型。佢嘅目標唔只係整一段「睇落似真」嘅影片，而係理解場景入面物件、鏡頭位置同環境之間嘅關係，再生成新視角、重建3D場景，或者模擬一個空間喺不同情況下會點樣呈現。9

Atlas同一般AI影片生成有咩唔同？

傳統圖片或影片生成模型，通常着重逐格畫面夠唔夠逼真；Atlas就將重點放喺空間一致性。簡單講，當虛擬鏡頭向左移、向後退，或者沿住一條指定路線行，場景入面嘅物件、距離同視角應該保持合理關係，而唔係每一格畫面各自「估」一次。

World Labs形容Atlas係由零開始預訓練嘅多模態自回歸擴散Transformer。模型會將視覺輸入同佢哋喺共享空間脈絡入面嘅位置連繫起來，再預測符合呢個脈絡嘅新畫面、新視角或者3D輸出。9

用戶可以提供一張或多張參考相片，再加上相機資料或者自行設計嘅鏡頭路徑。Atlas之後可以按要求渲染指定視角，包括原本冇直接拍攝到嘅位置。不過，呢啲「睇唔到」嘅部分係根據現有影像證據同模型學到嘅視覺先驗推算出來，並唔係經過驗證嘅實體測量。

Atlas主要有兩種互相關連嘅能力：

• 鏡頭條件生成（Camera-conditioned generation）：控制虛擬鏡頭點行，再生成相應圖片或影片。
• 空間重建（Spatial reconstruction）：由有限數量嘅圖片推算3D場景，並渲染原本未提供嘅新視角。

同一套空間表示亦預計可以用於模擬，例如改變光線、物件配置、背景同運動，供日後機械人訓練等工作使用。9

Atlas可以生成啲乜？

按World Labs公布嘅資料，Atlas支援幾種生成模式：

• 由一張或多張參考圖片生成鏡頭可控嘅圖片及影片。
• 根據文字生成圖片。
• 生成360度全景圖。
• 生成最長一分鐘、最高1440p嘅影片。

公司將鏡頭控制形容為「pixel-perfect」，意思係指定鏡頭軌跡係生成過程嘅核心，而唔係生成完影片之後先加上去嘅後期效果。對創作者嚟講，呢種做法有機會用少量視覺參考重新構圖、合成虛擬鏡頭移動，或者製作原本冇拍攝過嘅鏡頭。9

Atlas嘅實際賣點，亦正正係「控制」。文字提示可以講清楚場景應該有乜嘢，而圖片同鏡頭幾何資料就提供物件位置、距離同觀看方式嘅證據。換句話講，Atlas係想行入生成影片同傳統3D製作之間嗰條路。

用幾張相片重建3D場景

World Labs表示，Atlas可以由一張至幾十張輸入圖片重建真實世界場景。公司又稱，兩三張相片好多時已經可以做到忠實效果；如果首要目標係提高還原度，而唔係靠模型推算，系統就可以吸收超過100個視角。9

輸出唔只係一段由單一角度睇落合理嘅影片，亦包括新視角影像同明確嘅3D表示。理論上，模型要掌握足夠場景結構，先可以由另一個原本冇提供嘅位置重新觀看。

但呢度有一個重要限制：如果場景只係被少量角度觀察，遮住咗嘅表面就必須由模型推算。結果可能非常逼真，但仍然可能喺遮擋物件、尺寸、隱藏房間或者表面幾何形狀上出錯。因此，畫面好睇同「準確還原現實」係兩回事，唔應該將Atlas嘅視覺質素當成測量級或驗證級3D重建。

Benchmark聲稱代表到幾多？

World Labs表示，Atlas喺公司嘅重建測試中，表現優於目前最先進嘅專門3D重建模型。發布資料亦展示咗鏡頭條件生成同3D重建兩項任務嘅量化結果，但公司同時指出，單一benchmark唔可能完全反映Atlas嘅全部能力。9

呢啲係有參考價值嘅公司公布結果，但唔等於已經完成獨立驗證。目前提供嘅資料未包括一套完整、可重現嘅評估包，例如所有數據集及測試流程、每個模型嘅詳細分數、不確定性估計、模型權重同第三方重複實驗。因此，Atlas所謂嘅領先優勢，現階段應該理解為World Labs嘅研究及產品聲稱，而唔係已經成為業界定論。

後續測試尤其要睇以下幾方面：

• 長時間、複雜嘅鏡頭路徑。
• 被遮擋或者本身有歧義嘅場景部分。
• 尺寸、距離同其他幾何測量準確度。
• 長影片入面嘅畫面及場景一致性。
• 物件碰撞同物理互動是否可信。
• 由生成模擬環境訓練出來嘅機械人，轉移到真實世界後表現如何。

Atlas同Marble係咩關係？

Marble係World Labs現有、面向用戶嘅產品，用嚟由文字、單張或多張圖片、影片、全景圖同粗略3D結構，製作可持續存在、可以探索嘅3D世界。6

Atlas就係World Labs下一代嘅底層模型方向，唔係單純將Marble改個名。World Labs表示，未來版本嘅Marble及其他產品都會由Atlas提供支援。9

所以可以咁理解：Atlas負責提供更加通用嘅空間模型能力，Marble就係比較容易上手嘅產品介面，畀用戶建立、觀看同使用持續存在嘅3D世界。Marble文件亦列明，系統可以由文字、圖片同影片建立世界，再用於探索及其他下游工作流程。6

World API畀開發者用？

World Labs推出World API，畀第三方應用程式由文字、圖片、全景圖、多視角輸入同影片生成可探索嘅3D世界。API文件描述嘅流程係：應用程式提交生成要求，等系統完成後，再取回已生成嘅世界。83

不過，呢件事唔等於Atlas本身已經變成可以下載或者喺本機即時運行嘅模型。現有文件主要講非同步生成同取回世界，而目前提供嘅資料亦未證實有公開Atlas模型端點、本地模型權重或者即時推理選項。389

對開發者而言，現時公開嘅產品入口係Marble同以API生成世界嘅工作流程，未必代表可以直接使用Atlas發布材料入面提到嘅每一項能力。

可能應用喺邊度？

視覺特效

Atlas嘅鏡頭控制有機會幫助製作人員重新構圖、創造虛擬鏡頭移動，以及由少量參考影像製作新鏡頭。重點唔係單獨生成一格畫面，而係喺保持空間關係嘅前提下，產生可控制嘅變化。9

電子遊戲

Marble本身已經主打持續存在、可以探索嘅環境。Atlas如果按計劃發展，可能令遊戲及世界設計師更容易生成或重建場景，同時維持視角同物件之間嘅空間關係。69

設計及視覺化

建築、工業同創意團隊可以將文字、圖片及其他參考資料轉化成可行走、可觀看嘅空間概念。相比一堆互不相干嘅效果圖，指定觀看角度嘅能力可能更方便團隊反覆檢查同修改設計。69

機械人

World Labs亦提出「real-to-sim」方向：由日常拍攝嘅影片建立模擬環境，生成機械人視角嘅RGB及深度影像，再改變物件、光線、運動同背景，畀機械人做導航及操作訓練。9

呢個方向相當進取，但生成畫面夠逼真，唔代表場景一定有準確物理規則、可靠尺寸或者足夠嘅sim-to-real表現。要證明機械人真係受惠，仍然需要針對不同任務做實際評估。

Atlas幾時有得用？價錢又係點？

Atlas嘅發布資料未有將佢描述成廣泛公開嘅產品。World Labs目前接受Early Access申請，而Marble同World API就係文件中已公開嘅使用選項。98

截至現有發布資料，World Labs未披露標準Atlas收費表、模型規模、訓練數據、硬件配置、推理延遲、吞吐量，或者每次生成所需嘅計算成本。9

對打算將Atlas放入正式製作流程嘅團隊嚟講，呢啲資料相當關鍵。示範片段再震撼，都未能直接回答三個實際問題：大規模使用會唔會太貴、速度夠唔夠快做互動工作，以及同一套方法能否喺大量不同場景穩定重現。

總結：Atlas真正想解決嘅問題

Atlas可以理解為World Labs試圖將生成影片、3D重建同空間模擬整合入同一個多模態模型。佢最核心嘅概念，係將鏡頭位置同3D脈絡變成一等輸入，而唔係將每一格生成畫面當成互不相關嘅圖片。

World Labs公布嘅能力包括鏡頭可控圖片及影片生成、由稀疏視角重建場景、輸出明確3D表示，以及用於機械人模擬嘅可能性。不過，按目前資料，Atlas仍然屬於Early Access系統。喺獨立評估、收費、延遲同物理準確度資料公開之前，最穩妥嘅睇法係：Atlas代表一個幾有潛力嘅研究及產品方向，但未足以證明已經具備經獨立驗證、可以全面投入生產嘅表現。

World Labs將Atlas定位為一個面向「空間智能」嘅 omni world model——即係一套可以原生處理文字、圖片、影片同3D資訊嘅多模態世界模型。佢嘅目標唔只係整一段「睇落似真」嘅影片，而係理解場景入面物件、鏡頭位置同環境之間嘅關係，再生成新視角、重建3D場景，或者模擬一個空間喺不同情況下會點樣呈現。9

Atlas同一般AI影片生成有咩唔同？

傳統圖片或影片生成模型，通常着重逐格畫面夠唔夠逼真；Atlas就將重點放喺空間一致性。簡單講，當虛擬鏡頭向左移、向後退，或者沿住一條指定路線行，場景入面嘅物件、距離同視角應該保持合理關係，而唔係每一格畫面各自「估」一次。

World Labs形容Atlas係由零開始預訓練嘅多模態自回歸擴散Transformer。模型會將視覺輸入同佢哋喺共享空間脈絡入面嘅位置連繫起來，再預測符合呢個脈絡嘅新畫面、新視角或者3D輸出。9

用戶可以提供一張或多張參考相片，再加上相機資料或者自行設計嘅鏡頭路徑。Atlas之後可以按要求渲染指定視角，包括原本冇直接拍攝到嘅位置。不過，呢啲「睇唔到」嘅部分係根據現有影像證據同模型學到嘅視覺先驗推算出來，並唔係經過驗證嘅實體測量。

Atlas主要有兩種互相關連嘅能力：

• 鏡頭條件生成（Camera-conditioned generation）：控制虛擬鏡頭點行，再生成相應圖片或影片。
• 空間重建（Spatial reconstruction）：由有限數量嘅圖片推算3D場景，並渲染原本未提供嘅新視角。

同一套空間表示亦預計可以用於模擬，例如改變光線、物件配置、背景同運動，供日後機械人訓練等工作使用。9

Atlas可以生成啲乜？

按World Labs公布嘅資料，Atlas支援幾種生成模式：

• 由一張或多張參考圖片生成鏡頭可控嘅圖片及影片。
• 根據文字生成圖片。
• 生成360度全景圖。
• 生成最長一分鐘、最高1440p嘅影片。

公司將鏡頭控制形容為「pixel-perfect」，意思係指定鏡頭軌跡係生成過程嘅核心，而唔係生成完影片之後先加上去嘅後期效果。對創作者嚟講，呢種做法有機會用少量視覺參考重新構圖、合成虛擬鏡頭移動，或者製作原本冇拍攝過嘅鏡頭。9

Atlas嘅實際賣點，亦正正係「控制」。文字提示可以講清楚場景應該有乜嘢，而圖片同鏡頭幾何資料就提供物件位置、距離同觀看方式嘅證據。換句話講，Atlas係想行入生成影片同傳統3D製作之間嗰條路。

用幾張相片重建3D場景

World Labs表示，Atlas可以由一張至幾十張輸入圖片重建真實世界場景。公司又稱，兩三張相片好多時已經可以做到忠實效果；如果首要目標係提高還原度，而唔係靠模型推算，系統就可以吸收超過100個視角。9

輸出唔只係一段由單一角度睇落合理嘅影片，亦包括新視角影像同明確嘅3D表示。理論上，模型要掌握足夠場景結構，先可以由另一個原本冇提供嘅位置重新觀看。

但呢度有一個重要限制：如果場景只係被少量角度觀察，遮住咗嘅表面就必須由模型推算。結果可能非常逼真，但仍然可能喺遮擋物件、尺寸、隱藏房間或者表面幾何形狀上出錯。因此，畫面好睇同「準確還原現實」係兩回事，唔應該將Atlas嘅視覺質素當成測量級或驗證級3D重建。

Benchmark聲稱代表到幾多？

World Labs表示，Atlas喺公司嘅重建測試中，表現優於目前最先進嘅專門3D重建模型。發布資料亦展示咗鏡頭條件生成同3D重建兩項任務嘅量化結果，但公司同時指出，單一benchmark唔可能完全反映Atlas嘅全部能力。9

呢啲係有參考價值嘅公司公布結果，但唔等於已經完成獨立驗證。目前提供嘅資料未包括一套完整、可重現嘅評估包，例如所有數據集及測試流程、每個模型嘅詳細分數、不確定性估計、模型權重同第三方重複實驗。因此，Atlas所謂嘅領先優勢，現階段應該理解為World Labs嘅研究及產品聲稱，而唔係已經成為業界定論。

後續測試尤其要睇以下幾方面：

• 長時間、複雜嘅鏡頭路徑。
• 被遮擋或者本身有歧義嘅場景部分。
• 尺寸、距離同其他幾何測量準確度。
• 長影片入面嘅畫面及場景一致性。
• 物件碰撞同物理互動是否可信。
• 由生成模擬環境訓練出來嘅機械人，轉移到真實世界後表現如何。

Atlas同Marble係咩關係？

Marble係World Labs現有、面向用戶嘅產品，用嚟由文字、單張或多張圖片、影片、全景圖同粗略3D結構，製作可持續存在、可以探索嘅3D世界。6

Atlas就係World Labs下一代嘅底層模型方向，唔係單純將Marble改個名。World Labs表示，未來版本嘅Marble及其他產品都會由Atlas提供支援。9

所以可以咁理解：Atlas負責提供更加通用嘅空間模型能力，Marble就係比較容易上手嘅產品介面，畀用戶建立、觀看同使用持續存在嘅3D世界。Marble文件亦列明，系統可以由文字、圖片同影片建立世界，再用於探索及其他下游工作流程。6

World API畀開發者用？

World Labs推出World API，畀第三方應用程式由文字、圖片、全景圖、多視角輸入同影片生成可探索嘅3D世界。API文件描述嘅流程係：應用程式提交生成要求，等系統完成後，再取回已生成嘅世界。83

不過，呢件事唔等於Atlas本身已經變成可以下載或者喺本機即時運行嘅模型。現有文件主要講非同步生成同取回世界，而目前提供嘅資料亦未證實有公開Atlas模型端點、本地模型權重或者即時推理選項。389

對開發者而言，現時公開嘅產品入口係Marble同以API生成世界嘅工作流程，未必代表可以直接使用Atlas發布材料入面提到嘅每一項能力。

可能應用喺邊度？

視覺特效

Atlas嘅鏡頭控制有機會幫助製作人員重新構圖、創造虛擬鏡頭移動，以及由少量參考影像製作新鏡頭。重點唔係單獨生成一格畫面，而係喺保持空間關係嘅前提下，產生可控制嘅變化。9

電子遊戲

Marble本身已經主打持續存在、可以探索嘅環境。Atlas如果按計劃發展，可能令遊戲及世界設計師更容易生成或重建場景，同時維持視角同物件之間嘅空間關係。69

設計及視覺化

建築、工業同創意團隊可以將文字、圖片及其他參考資料轉化成可行走、可觀看嘅空間概念。相比一堆互不相干嘅效果圖，指定觀看角度嘅能力可能更方便團隊反覆檢查同修改設計。69

機械人

World Labs亦提出「real-to-sim」方向：由日常拍攝嘅影片建立模擬環境，生成機械人視角嘅RGB及深度影像，再改變物件、光線、運動同背景，畀機械人做導航及操作訓練。9

呢個方向相當進取，但生成畫面夠逼真，唔代表場景一定有準確物理規則、可靠尺寸或者足夠嘅sim-to-real表現。要證明機械人真係受惠，仍然需要針對不同任務做實際評估。

Atlas幾時有得用？價錢又係點？

Atlas嘅發布資料未有將佢描述成廣泛公開嘅產品。World Labs目前接受Early Access申請，而Marble同World API就係文件中已公開嘅使用選項。98

截至現有發布資料，World Labs未披露標準Atlas收費表、模型規模、訓練數據、硬件配置、推理延遲、吞吐量，或者每次生成所需嘅計算成本。9

對打算將Atlas放入正式製作流程嘅團隊嚟講，呢啲資料相當關鍵。示範片段再震撼，都未能直接回答三個實際問題：大規模使用會唔會太貴、速度夠唔夠快做互動工作，以及同一套方法能否喺大量不同場景穩定重現。

總結：Atlas真正想解決嘅問題

Atlas可以理解為World Labs試圖將生成影片、3D重建同空間模擬整合入同一個多模態模型。佢最核心嘅概念，係將鏡頭位置同3D脈絡變成一等輸入，而唔係將每一格生成畫面當成互不相關嘅圖片。

World Labs公布嘅能力包括鏡頭可控圖片及影片生成、由稀疏視角重建場景、輸出明確3D表示，以及用於機械人模擬嘅可能性。不過，按目前資料，Atlas仍然屬於Early Access系統。喺獨立評估、收費、延遲同物理準確度資料公開之前，最穩妥嘅睇法係：Atlas代表一個幾有潛力嘅研究及產品方向，但未足以證明已經具備經獨立驗證、可以全面投入生產嘅表現。