任意一張照片，就可以生成可以閑逛的3D世界。聽起來像科幻作家的幻想，但隨著AI技術(shù)發(fā)展，已經(jīng)成為觸手可及的現(xiàn)實(shí)。

12月3日，斯坦福大學(xué)教授李飛飛宣布，她帶領(lǐng)的World Labs團(tuán)隊(duì)推出了一張圖片便能生成3D世界的AI系統(tǒng)，他們將該系統(tǒng)命名為“大型世界模型”（Large World Model, LWM），稱自己為空間智能AI公司。模型一經(jīng)推出就受到全球網(wǎng)友關(guān)注，有人表示，現(xiàn)實(shí)版的盜夢空間來了！

World Labs 官網(wǎng)截圖

在已經(jīng)開放的即時演示中，用戶可以在瀏覽器上直接操控，感受World Labs塑造的世界。如輸入一張博物館取景照片，AI會幫你設(shè)想出入門，下一間相鄰的展館、展品；輸入世界名畫《夜晚露天咖啡座》，就可以走進(jìn)畫中，感受完整的街區(qū)環(huán)境……

那么，“大型世界模型”有何不同？具體應(yīng)用場景有哪些？又將給AI的發(fā)展帶來怎樣的影響？

一張圖，生成3D世界

“還是比較驚喜的。此前Sora本身也有點(diǎn)模擬世界的‘味道’，但‘大型世界模型’是另外一種技術(shù)路線，整體上行業(yè)覺得超出預(yù)期?！敝袊鳤IGC產(chǎn)業(yè)聯(lián)盟研究院院長、無界AI聯(lián)合創(chuàng)始人馬千里表示。

“大型世界模型”可以簡單視為人工智能形成虛擬世界的工具：用戶只需上傳一張圖片，系統(tǒng)便能根據(jù)這張圖片中的環(huán)境信息，自動生成一個相應(yīng)范圍內(nèi)的3D虛擬世界。

此外，用戶可直接在網(wǎng)頁端，通過鼠標(biāo)或鍵盤，輕松瀏覽這個3D世界。而且生成的3D世界具有交互性，用戶能夠像玩游戲那樣，自由地移動相機(jī)，來探索這個3D世界，景深、變焦等操作均可行。

“交互性實(shí)際上是通過鍵盤的輸入或鼠標(biāo)移動，向AI輸入指令，它會根據(jù)指令，實(shí)時渲染生成相應(yīng)的場景，而在此之前，大家所看到的3D場景都是由人工預(yù)先構(gòu)建好的?！闭憬髮W(xué)博士生導(dǎo)師朱霖潮解釋道。

此次“大型世界模型”讓人驚艷的是，遵循了3D幾何物理基本規(guī)則，具有真實(shí)的深度感和空間感。

在馬千里看來，3D幾何物理基本規(guī)則的遵循，是AI模型在大量的3D數(shù)據(jù)訓(xùn)練后，對圖像內(nèi)容達(dá)成了充分理解，這體現(xiàn)了AI對現(xiàn)實(shí)世界的理解更進(jìn)一步。

但在遵循現(xiàn)實(shí)世界物理規(guī)則上，朱霖潮也表示，“大型世界模型”距離實(shí)際應(yīng)用還有一定的距離?！半m然聲稱引入一些物理機(jī)理，但如何生成更遵循物理基本原則的技術(shù)細(xì)節(jié)尚未披露，在某些場景上，也出現(xiàn)渲染錯誤，比如不同的物體以不自然的方式融合，成為了一團(tuán)色塊。”

不過，據(jù)了解，World Labs表示這些只是“早期預(yù)覽”，他們正在努力提升生成世界的規(guī)模和真實(shí)度，并探索新的交互方式。

世界生成模型的應(yīng)用場景廣泛

在3D生成賽道，World Labs并不是第一個“吃螃蟹的人”。此前，英偉達(dá)、Meta等多家公司也在積極布局物理AI與3D世界的相關(guān)技術(shù)，市場競爭激烈。

在國內(nèi)，也有不少企業(yè)加入其中。以無界AI為例，企業(yè)產(chǎn)品“魔鏡”也是利用AI生成3D產(chǎn)品。用戶在瀏覽器上，只要輸入一張照片，“魔鏡”就可以根據(jù)照片上的人物，形成相對應(yīng)的3D模型，最終可制作成手辦模型。

工具的革新，應(yīng)用場景的落地是大部分人關(guān)心的問題。

World Labs在官博中表示，他們計(jì)劃構(gòu)建對藝術(shù)家、設(shè)計(jì)師、開發(fā)人員、電影制片人和工程師等專業(yè)人士有用的工具。允許任何人想象和創(chuàng)造自己的世界，將生成性人工智能的潛力從 2D 圖像和視頻擴(kuò)展到3D世界。

“像‘大型世界模型’這類AI模型的出現(xiàn)，未來也許能夠很好地填充VR世界里的數(shù)字空間?！瘪R千里解釋道，VR里的數(shù)字空間建設(shè)成本非常高，開發(fā)的周期也比較慢，這類工具的出現(xiàn)，將會使得數(shù)字空間的建模成本降低，并且能夠根據(jù)需求，迅速構(gòu)建出虛擬世界場景，這意味元宇宙將離人們越來越近。

李飛飛的博士生、World Labs聯(lián)合創(chuàng)始人賈斯汀?約翰遜則在社交媒體上指出，隨著這項(xiàng)技術(shù)的成熟，未來我們可能不再需要使用手機(jī)、平板等不同尺寸的屏幕。他表示，如果你能夠?qū)⑻摂M內(nèi)容與物理世界無縫融合，那么對所有這些屏幕的需求就會減少。

空間智能時代已經(jīng)到來

兩年前，ChatGPT驚艷發(fā)布，從此生成式AI一路狂奔，從平面圖像和文本處理，邁向?qū)θS世界的理解。從文生智能到空間智能，生成式的AI正在以極快地速度認(rèn)知人類的物理世界。

“大型世界模型”的出現(xiàn)，也正是空間智能的一次實(shí)際展示。

李飛飛對空間智能的定義是：空間智能是機(jī)器在3D空間和時間中感知、推理和行動的能力。在她看來，空間智能是AI領(lǐng)域的下一個前沿技術(shù)方向。

今年9月，在接受媒體訪談時，李飛飛表示，空間智能是她的下一個北極星，該技術(shù)將改變AI的發(fā)展進(jìn)程。她認(rèn)為，空間智能與語言智能一樣重要，甚至在某些方面可能更古老、更基礎(chǔ)，AI的發(fā)展不會局限于處理平面圖像或文本，而是會邁向?qū)θS世界的理解，這是智能發(fā)展的自然延伸。

那么，由World Labs開啟的空間智能AI，未來對AI發(fā)展的影響如何？

朱霖潮表示，人在處理信息過程中，主要還是以視覺信息為主，這樣的大模型的出現(xiàn)，可以讓更多人去關(guān)注視覺模型，包括如何構(gòu)建一個更好的3D環(huán)境，實(shí)現(xiàn)符合物理的運(yùn)動，這些都可能吸引更多的人去往這個領(lǐng)域。

“當(dāng)前AI投入太大了，方向很重要，這樣的AI技術(shù)被驗(yàn)證后，那么企業(yè)就敢下注賽道，進(jìn)而促進(jìn)產(chǎn)業(yè)的發(fā)展。”馬千里說道。

如今，單個圖像生成3D世界模型，讓我們對空間智能有了初步的理解。未來，或許還有更多大模型的出現(xiàn)。隨著AI算法的不斷優(yōu)化，和硬件設(shè)備的升級，空間智能將進(jìn)一步突破現(xiàn)有的技術(shù)邊界，也許就成為人類生活方式轉(zhuǎn)型的重要驅(qū)動力。

大膽想象一下，再加上時間維度，訓(xùn)練成功的話，也許AI真的可以通曉古今，預(yù)測未來？