李飞飞世界模型Atlas开放：一句话生成3D山城

李飞飞团队此前靠「一张图片生成整个 3D 世界」刷屏的世界模型，如今向所有人敞开了大门。

就在今天，由「AI 教母」李飞飞创办的团队把这项能力放了出来，体验地址是 atlas.worldlabs.ai。

过去只能在演示视频里看到的效果，现在自己就能试：随手画几栋房子、一条小路，AI 会把草图变成能自由探索的 3D 世界。场景布局能调，镜头能规划，视频也能生成，最后还能导出到

伴随这次开放，两款全新的 Web 应用 Viewfinder 也一并上线，进 Atlas 网页就能直接上手。

李飞飞转发 」

a16z 合伙人 Martin Casado 对这次发布评价极高。在他看来，这是生成式 AI 兴起以来，3D 生成/重建领域迈出的最大一步。

完整的世界模型工具链

登录 Atlas 要过手机号验证这一关。我们拿 +86 手机号测过，验证码能正常收到。不过后面选使用区域时，记得挑美国或加拿大，不然后续体验会受影响。

新用户登进来，首页摆着四个工具：Viewfinger、

Viewfinder

拿一张客厅图片，就能当作 Viewfinder 的起点。你可能想看从窗边望向沙发的画面，也可能想要一段沿房间缓慢移动的镜头。

问题是，照片没拍到沙发背面，模型得去猜那里长什么样；画面之外还有多大空间，同样要补全。Viewfinder 做的是从单张图片往外扩，生成一个能延展的场景，里面有不少想象成分。

要想重建现实中真实存在的地方，就得多给几个视角。官方说法是，Viewfinder 既能从单张图片生成场景，也支持最多 64 个输入来重建现实环境。

但创作往下走，很快会撞上另一个问题：生成的房间是好看，布局却不合拍摄需要。

沙发离窗户太远，走廊太窄，想要的镜头根本摆不进去。这种时候就该第二款工具 Chisel 出场了。先用简单的三维形状把场景结构搭出来，定好物体位置，再让模型照着这些结构生成视觉效果。

可以把它想成一次简化的布景：先定墙在哪、家具怎么摆，再去考虑材质、光线和整体风格。World Labs 的开发者在演示中把这套做法概括为，先搭空间，再自由调整视觉风格，同时保持墙壁的位置。

说到底，四项工具的功能合起来，世界模型要用的能力基本都覆盖到了。

• Viewfinder：图片 → 场景。输入 JPG/PNG/WEBP/HEIC，生成新视角（MP4）或

• Chisel：智能体驱动的 3D 环境搭建器。支持图片、文档、网页 URL、网格模型（

• Relight：给 splat 场景重新打光，加阴影。

• Splat to mesh：把 splat 点云转成带贴图的 GLB 网格，直接对接

目前，整个平台采用

我们在 Viewfinder 里每生成一张图片，消耗 50 积分。积分花得比较多的地方在渲染和视频生成上。免费计划领的 10000 积分，拿来简单体验一下 Atlas 这个新模型的各项功能还是够用的。

实测 Atlas，重建一座重庆山城

官方放出的几个演示里，传播最广的那一个，差不多就是把笔记本上随手画的简笔涂鸦，直接变成能走进去的3D场景。

我们也请AI画了一张草图：小房子、大树、咧嘴笑的太阳、弯弯曲曲的小路都在上面，随后把它传到Chisel里，让它把整个场景初始化。

点下「在Chisel中构建」，系统先出一张参考图，接着内置智能体自己动手搭3D白模。拆建筑体量、开门窗、挂招牌、摆机位，这些动作都能实时看到；碰上悬空、穿插之类的几何毛病，它也会自己检查并修掉。

左侧的智能体对话框还能接着调3D搭建的流程。等搭建收尾，智能体会把场景、多个零遮挡机位和几套渲染方案一并交出来，方案里涵盖不同的时间、天气和氛围。

切到右侧输出面板，挑一套方案点「渲染」（约160积分），所有机位的成片一次就能出全。

想继续加工也行：给智能体追一条指令，比如「加个夜宵小摊」；或者点「创建视频」做漫游视频，也可以先生成完整Splat，再在视口里360°漫游。

收尾阶段可以用Relight调光照氛围，或者走Splat to mesh转成GLB导出。

我们另外拿一句提示词做了测试，内容是：「暴雨夜的重庆山城巷弄：陡峭的石阶向下延伸，两侧是层层叠叠的老式居民楼，挂满了霓虹灯招牌和晾衣绳，湿漉漉的石板路反射着粉蓝色灯光，远处一列轻轨正从楼体中间穿过。」

前后大约1分钟，Atlas先给出一张参考图，石阶、筒子楼、霓虹、晾衣绳、湿路面反光、穿楼轻轨这些元素都在。

Chisel内置的智能体（

整个流程是：先把建筑体量拆开，再安排9个机位，把穿楼轻轨和远景楼群搭起来，然后补上阳台、防盗网与波纹雨棚，接着放入15块霓虹灯箱和晾衣绳，最后逐个镜头核对视线遮挡。

「悬空」「穿插」「镜头遮挡」这类几何错误，系统会一直自动排查，遇到「轻轨桥墩悬空8.25米」这种状况当场就修。智能体的思考过程也透出这套工具的专业程度，它会讲「缩短近景与中景建筑的檐口高度，以露出开阔的轻轨穿楼视野」。

成型的场景里有38级石阶、左右各5栋退台居民楼、3节带受电弓的轻轨车厢，还有8个零遮挡机位。

我们挑了「暴雨深蓝夜」这套渲染方案（160积分），12个机位一口气全出：湿滑石阶上粉蓝霓虹的倒影、砖墙上的防盗窗笼、绳上晾晒的T恤，一样不缺。

想最快上手Atlas，还是走Viewfinder：点「Drop or click」传一张图（JPG/PNG/WEBP/HEIC都行），选Image模式导入。

传上去的图片会以「画框」的形式出现在3D视口里，点一下画布就算放好了。接下来用鼠标挪相机：左键拖拽环绕观察，中键拖拽平移，滚轮缩放。

把相机挪到新位置时要注意，必须平移离开原始机位——深度估计得靠视差，原地转圈是渲染不出来的。然后点Render（50积分），大概1分钟内出新视角的画面。

之后多换几个角度反复渲染，底部胶片栏会一帧帧攒起来。帧数够了，可以选Splats模式点「Create splats」生成完整点云（约15分钟），也可以在Video模式下出视频。

最后一步，右上角Export能导出MP4／PLY／SPZ文件。

不想开网页的话，Atlas也备了完整的

会写代码的AI，如今也开始搭场景了

Atlas开放之后，World Labs的设计师Ian Curtis把世界模型、编程模型和网页三维技术塞进了同一个演示。他用的正是最近很火的

这套搭配，恰好撞上这轮AI编程热潮里的另一个疑问：代码生成越来越容易了，场景和视觉资产又该谁来出？

对一个交互作品来说，程序跑起来只算完成了一部分。用户最后看到的环境、材质和画面，一样得有人做。

研究者 Ben Mildenhall 在介绍这次发布时把分工讲得更细了：先用 Agent 搭出粗略的三维几何结构，最终画面的生成则由 Atlas 的模型接口来控制。Chisel，以及这次提供的 。

在他看来，靠代码程序化地做出精细画面，成本仍然很高，两条路线可以互相配合着用。

编程 Agent

生成结果怎么进现有制作流程，Atlas 也在试，官方提供了

不过导出一个场景，离做完一款游戏、一部影片还差得远。交互规则、角色行为，还有资产的检查和调整，都得接着处理。

世界模型这条赛道上的竞争，激烈程度不输通用模型。Viggle 的 Hang Chu 发布了

Atlas 这次开放，真正的意义或许不在单次生成的画质。它把「世界模型」做成了一条能用的工作流：从一张图、一句话出发，到可分镜、可渲染、可漫游、可进引擎的 3D 资产，每个环节都有明确的工具，也有明确的标价。

以前 AI 编程工具能帮人写出一个游戏，但游戏里的场景和视觉资产，它很难独立做完。现在不一样了：结构搭建、交互编写交给编程 Agent，世界模型负责把这些结构变成能探索、能拍摄、还能继续加工的三维环境。

对独立开发者来说，做游戏、做交互作品，可能不用再从零手工搭每一个场景。普通人即使不懂三维建模，也有机会把脑子里的一幅画面，变成能走进去的世界。

AI 写代码已经越来越熟练，下一步，是让它把代码里的世界也造出来。