李飞飞团队发布世界模型 Atlas

World Labs 发布了名为 **Atlas** 的多模态世界模型，官方定位为「全模态」模型：文本、图像、视频、三维数据走同一套架构，输出可以是图片、视频、点云，也可以是三维高斯泼溅。这家由李飞飞联合创立、估值很高的公司此前动作集中在融资和 Marble 平台，模型本体这次才算完整露面。

最硬的一处设计是把 **相机位姿做成原生条件输入**。生成视频时，镜头往哪走、多快、什幺焦段都能在像素级指定，不靠提示词写「缓慢推近」再祈祷模型听懂。这直接把镜头这一维从生成问题降级成控制问题，下游结果是视频生成可与三维重建对齐：同一场景既出视频也出点云，共享同一套坐标。

💡 为什么值得看原生输入相机位姿，1 至 100 多张照片可重建三维场景并推镜，视频与点云共享坐标。