文 | 超前实验室，作者 | 青苹吹果，编辑 | star 皆空
" 世界即所发生的一切。"
这是路德维希 · 维特根斯坦在 1921 年出版的《逻辑哲学论》中写下的名言。一个世纪后，这句话被 AI 领军人物之一李飞飞引用，而她创办的 World Labs 正在让 AI 理解空间。前段时间，World Labs 发布新一代世界模型 Atlas，官方称其为 " 全球首个 " 能同时处理文字、图片、视频和 3D 的多模态世界模型。
来看 demo，十分惊艳：喂进两三个视角的照片，它能重建出整个场景，再让镜头飞到从没人站过的位置。
这无疑为行业打开了新世界大门：
长期以来，传统 3D 重建高度依赖密集拍摄，必须围绕场景进行多角度、高覆盖率的图像采集，才能拼合出相对完整的模型。这种方式对设备、时间和人力要求极高，导致 3D 内容生产始终难以规模化，门槛居高不下。
Atlas 正在改变这一范式。依托大模型的强大先验知识与生成能力，它仅需少量普通手机拍摄的图像，就能实现高保真 3D 重建。
由此，3D 内容创作的门槛被大幅拉低，无需专业设备，也无需密集采集，海量旧照片、旧影像都有机会转化为可用的 3D 资产，沉睡的数据潜力被重新激活。
不止于此，传统 AI 生成模型主要服务于影视、游戏等创意产业，核心是生成 " 看起来逼真 " 的内容；
而 Atlas 通过构建可交互、可推演的 " 世界模拟器 "，将 AI 生成能力拓展至机器人领域，即 Real-to-Sim。
在机器人领域，这意味着机器人可以在 AI 生成的模拟环境中进行海量试错与策略训练，通过 " 想象 " 预测不同动作可能带来的后果，在虚拟世界中快速积累经验，再迁移到真实世界。
这直击机器人真实世界训练数据匮乏、采集成本高昂的核心瓶颈，为具身智能提供了一条低成本、高效率、可扩展的训练路径，也将加速机器人从实验室走向现实应用。
给 Atlas 一张照片，TA 能造出一个世界
先来看 Atlas 干了件什么事。
过去两年，视频生成模型的相机控制全靠玄学抽卡。
你给出一句话或一张图，TA 顺着往下想象画面，镜头怎么动基本靠提示词碰运气，生成的画面次次不一样。
而 Atlas 换了底层逻辑，把 " 相机 " 直接做进了模型。
相机位姿参数作为原生输入，要什么角度什么轨迹，直接喂数据给坐标。
World Labs 将这套机制称为 " 空间上下文 "，每一张送进模型的图片，都会被锁定在三维空间里的某个具体坐标上，相机的姿态和深度信息，也连同图像一起被带进模型。
模型手里拿的不是一叠孤立的照片，而是一张带坐标的世界草图。
于是你就能像坐进导演椅一样调度它。
官方 demo 里最出圈的一段，是用三到五台普通手机拍同一瞬间，模型就能冻结时间、把镜头绕进牛奶溅起的那一刻。
3D 重建方面也是同样惊艳。
按 World Labs 官方博客的说法，斯坦福主方庭那段航拍，输入只是 2 到 25 张站在地面随手拍的游客照。
看到这里，你可能会大受震撼，感叹现在的 AI 已经开始懂物理世界了！
但其实不然。
官方在博客和访谈中说了两件事：一是 Atlas 已经在几何层面做到了 " 空间上下文 " 理解，二是团队的长远目标是让模型最终理解物理规律。很多人把两者混为一谈。
可几何和物理压根不是一回事。
几何是入场券，物理才是难关
几何和物理的区别在哪里？
几何回答 " 东西在哪、长什么样、换个角度还是不是原来的形状 "；物理则是回答 " 推它一下会怎么动、会不会倒、捏多重会碎 "。
Atlas 这次惊艳的部分，基本全落在几何这一栏，碰撞、摩擦、形变这些要真物理的活儿，官方 demo 里几乎没有体现。
而 World Labs 本身也清楚这一点。
他们今年 6 月发过一篇梳理世界模型的长文，开篇就自嘲 " 世界模型是当下 AI 圈被用得最滥的词 "，接着按功能把各类产品划成三档：只会吐画面的渲染器、能吐出经得起检验的物理状态的模拟器、直接输出动作的规划器。
过去评一个世界模型好不好，基本只看画面像不像，那类指标说白了是在比像素分布：模型完全可以生成逼真但物理上错得离谱的画面，照样拿高分。
但这两年开始换考卷了。
面向具身智能的评测 WorldArena，把 " 轨迹准不准 "" 物理遵不遵循 " 单拎出来当考题。
值得一提的是，今年 8 月底 WorldArena2.0 的首版榜单上，国内影溯的 InSpatio-Curious 拿下 77 个参评模型的总分第一。
可见，在新考卷里，" 画得美 " 越来越不值钱。
除此之外，还有由 UCLA、耶鲁、索尼 AI 与美国陆军研究实验室今年 1 月联合放出的 WorldBench，把物理概念拆开逐项考。
结论相当不留情面：所有被测模型在生成靠谱的物理交互这件事上，一个都没过关。
这样一看，Atlas 这份成绩单既没发论文，也没有 model card，对比数据出自官方自测，而且同场比较的对手只能拿文字描述运镜，它却握着精确轨迹，赢面天生占优。
更准确地说，Atlas 在官方设定的机位控制任务上展示了目前最强的能力。但它没有经过第三方物理评测，不能直接说它 " 懂物理 "。真正的物理关卡，Atlas 还没被严格考过；而 WorldBench 的结论是，现有模型在物理交互上都没过关。
既然如此，大家为什么还一股脑往 " 物理对不对 " 这个方向卷？
Atlas 为代表的新路径，有望成为具身智能 " 练功房 "
因为物理是否正确，是仿真数据生成能不能用的前提。
李飞飞在发布后的访谈里说：机器人眼下最大的瓶颈是数据，芯片还排不上号。
互联网上现成的文字、图片、视频管够，机器人却学不会这些，它需要的是 " 从这个角度、用这个力度捏下去会发生什么 " 这类带物理后果的经验。
但真实采集贵得离谱。
World Labs 的创始团队举过例子：过去想重建一个空间，专业采集员也得围着它拍几百上千张，换普通人上手，在一间屋子里转悠一两个小时是常事。
这套成本降不下来，机器人训练的数据就永远攒不够。
于是，" 从仿真到现实 " 这套流程，从实验室的冷门话题变成了兵家必争之地：
先把真实环境快速搬进虚拟世界，再批量做随机化，电线换个方向弯、杯子换个颜色摆、光照随时变，让机器人在虚拟环境里把该踩的坑先踩一遍。
而把镜头拉长一点，你会发现给 AI 造 " 练功房 " 这件事，人类其实练了很多年。
上世纪 30 年代，美国人埃德温 · 林克捣鼓出第一台像样的飞行模拟器，二战期间数十万盟军飞行员先在模拟舱里摔够了，才被允许登上真机。那会儿连晶体管都还没影儿，全靠机械装置硬模拟仪表反应。
到了自动驾驶时代，这套打法卷土重来：Waymo 曾公开披露，它的系统在虚拟环境里跑出的测试里程，比真实路测高出两个数量级不止。
飞机靠模拟舱练出飞行员，汽车靠仿真路练出老司机，如今轮到 AI，它要练手的对象是整个物理世界。
把历史看明白了，再看资本的动作就不难懂。
这两年涌进世界模型赛道的钱以百亿计，资本赌的早不是哪家的画面更漂亮，谁能用最低成本把真实世界搬进模型、让 AI 在里面反复试错，谁就站在下一代 AI 的上游。
而 Altas 的方向，有望让数据采集和仿真成本断崖式下降，使得初创公司无需依赖巨额硬件投资即可完成机器人训练，有望推动 " 仿真优先、真机验证 " 新范式普及。
AI 要想真正理解物理世界，还为时尚早。
但 Atlas 至少证明，几何做对这件事，是个可以被工程化解决的，而且一旦做对，立刻能变成产品力。
世界模型的竞赛，正在从 " 谁生成的画面更像真的 "，转向 " 谁生成的状态更经得起算 "。
从渲染器到模拟器，这一步跨过去，AI 才算真正摸到物理世界的门。
Atlas 是把门推开了一条缝，物理 AI，终于有了第一块踏脚石。
