12月3日，由「AI 教母」李飛飛聯(lián)合創(chuàng)辦的 World Labs 發(fā)布了他們的第一個「空間智能」模型，只需一張圖，就可以生成一個逼真的 3D 世界。

World Labs 是李飛飛老師和她的學生們在2024年初創(chuàng)辦的一家空間智能公司，致力于構建大型世界模型（LWM）來感知、生成 3D 世界并與之交互。　

據(jù)介紹，對于輸入的圖像，這一「空間智能」系統(tǒng)可以估算出 3D 幾何圖形，填充場景中未見的部分，創(chuàng)建新的內(nèi)容，實現(xiàn)各個方位的 3D 世界構建。

大多數(shù)生成模型預測像素，而預測 3D 場景則有諸多好處。預測3D場景可以實現(xiàn)持久現(xiàn)實，世界一旦生成，就會一直存在，即使你把視線移開，再回來時，場景也不會改變；同時，預測3D場景可以實現(xiàn)實時控制，生成場景后，你可以在場景中實時移動，你可以留心觀察一朵花的細節(jié)，也可以窺探某個角落，看看會有什么發(fā)現(xiàn)；預測3D場景使得生成的世界擁有正確的幾何形狀，符合 3D 幾何的基本物理規(guī)則，它們具有一種實體感和深度感，這與某些人工智能生成視頻的不真實感形成了鮮明的對比。

與生成式 AI 工具生成的圖片或視頻等 2D 內(nèi)容不同，李飛飛的世界模型以 3D 形式生成的內(nèi)容具有更好的控制性和一致性。而且，該模型還可以適應各種場景類型和藝術風格，比如生成不同的相機效果、3D 效果以及經(jīng)典繪畫風格的 3D 內(nèi)容。

這將改變我們制作電影、游戲、模擬器和其他物理世界數(shù)字表現(xiàn)形式的方式。

世界模型的火熱應用場景

世界模型的潛在應用范圍極為廣泛，不同領域?qū)τ谄淅斫馀c預測能力有著差異化的要求。

以自動駕駛為例，世界模型需要實時精準地把握道路狀況，并對其變化趨勢進行精確預測，重點聚焦于對環(huán)境的瞬時感知以及復雜變化趨勢的預估判斷。在機器人技術領域，世界模型對于導航、物體識別檢測以及任務規(guī)劃等關鍵任務起著不可或缺的作用，要求其能夠精準地解析外部動態(tài)環(huán)境，并構建具有交互性和實體體驗感的環(huán)境場景。而在虛擬社會系統(tǒng)模擬方面，世界模型需要敏銳地捕捉并預測更為抽象的行為動態(tài)，諸如社會交往互動以及人類決策制定等過程。

（一）泛機器人領域：技術創(chuàng)新引領變革

1、極佳科技：自動駕駛的先鋒力量

極佳科技致力于推動視頻生成和4D世界模型走向空間智能，是國內(nèi)最早開始探索和布局世界模型和空間智能方向的公司，在物理空間和虛擬空間兩方面都已取得顯著的技術和商業(yè)進展，獲得了行業(yè)廣泛的認可。

在自動駕駛領域公司斬獲了令人矚目的創(chuàng)新性成果。10月，公司官宣聯(lián)合中國科學院自動化研究所、理想汽車、北京大學、慕尼黑工業(yè)大學等單位提出DriveDreamer4D，是首個利用世界模型增強4D駕駛場景重建效果的工作。DriveDreamer4D可以大幅提升多種自動駕駛4D重建算法的效果，在user study實驗中獲得了超過80%的偏好投票，為走向空間智能和4D世界模型邁出了堅實的一步。

DriveDreamer4D可以為駕駛場景提供豐富多樣的視角（包括變道、加速和減速等）數(shù)據(jù)，以增加動態(tài)駕駛場景下的閉環(huán)仿真能力。

DriveDreamer4D利用世界模型作為數(shù)據(jù)引擎，基于真實世界的駕駛數(shù)據(jù)合成新軌跡視頻（例如變道場景）。DriveDreamer4D不僅可以提升多種重建算法（PVG,S3Gaussian,Deformable-GS）的圖像渲染質(zhì)量，還可以提升駕駛前景（車輛）和背景（車道線）的時空一致性。

比如，它能夠全面精準地模擬車輛行駛過程中的各種物理運動、交通規(guī)則以及其他道路使用者的行為變化。不僅能夠精準預測前方車輛的行駛軌跡、行人的行動意圖，還能將周圍環(huán)境因素，如道路狀況、天氣影響等納入綜合考量范圍，基于極佳科技 4D 數(shù)據(jù)引擎訓練的自動駕駛算法都能迅速且精準地做出反應，有效避免事故發(fā)生，為駕乘者提供前所未有的安全保障。

憑借其在技術上的領先優(yōu)勢，極佳科技已成功與地平線、億咖通等頭部主機廠達成深度定點合作協(xié)議。這一系列合作不僅是對其技術實力的高度認可，更是其邁向更廣闊市場的堅實基石。

在近日舉辦的現(xiàn)代汽車集團創(chuàng)新計劃頒獎典禮上，極佳視界憑借其在4D世界模型和視頻生成領域的卓越創(chuàng)新，榮膺現(xiàn)代集團“燈塔”創(chuàng)新開放計劃“創(chuàng)新企業(yè)獎”。

2、51sim：傳統(tǒng)巨頭的轉(zhuǎn)型之路

51sim 在自動駕駛仿真技術領域擁有深厚的歷史積淀與廣泛的市場影響力。長期以來，其傳統(tǒng)仿真技術產(chǎn)品以成熟穩(wěn)定的架構和性能，為眾多自動駕駛研發(fā)企業(yè)提供了可靠的基礎測試環(huán)境與數(shù)據(jù)支持，在特定場景模擬與簡單算法驗證方面積累了豐富的實踐經(jīng)驗，也因此贏得了一大批忠實客戶的信賴。

然而，隨著自動駕駛技術的飛速發(fā)展，行業(yè)對仿真技術提出了更為嚴苛的要求，傳統(tǒng)仿真技術的局限性逐漸暴露無遺。在數(shù)據(jù)的實時性與準確性方面，傳統(tǒng)技術難以滿足日益復雜多變的自動駕駛場景需求。

此外，面對復雜環(huán)境與極端情況的模擬，傳統(tǒng)仿真技術更是顯得力不從心。諸如暴雨、大雪等惡劣天氣條件下的路況模擬，以及道路施工、交通事故等特殊場景的應對，傳統(tǒng)技術往往無法提供足夠真實、全面的虛擬測試環(huán)境，這在很大程度上制約了自動駕駛技術的進一步突破。

為了應對新興技術的沖擊與市場競爭的加劇，51sim 積極謀求轉(zhuǎn)型與創(chuàng)新。其現(xiàn)核心產(chǎn)品涵蓋智能駕駛與機器人仿真平臺 SimOne、數(shù)據(jù)閉環(huán)與合成數(shù)據(jù)平臺 DataOne、交通信息模型平臺 TIM。通過這些努力，51sim 致力于構建通用 AGI 合成數(shù)據(jù)與仿真訓練平臺，以更好地適應復雜多變的真實環(huán)境和高階且多元化的需求。

（二）泛元宇宙領域：多元競爭塑造未來

1、 極佳科技：工業(yè)級元宇宙的領軍者

在泛元宇宙領域，極佳科技憑借其工業(yè)級的新一代 4D 內(nèi)容制作引擎，穩(wěn)坐行業(yè)領軍者的寶座。這一引擎專為影視傳媒、游戲開發(fā)、工業(yè)設計等專業(yè)領域的嚴苛需求而量身定制，具備強大的大規(guī)模虛擬內(nèi)容創(chuàng)作能力，能夠輕松應對各種復雜的創(chuàng)作任務。

極佳科技的核心優(yōu)勢在于其對工業(yè)級應用的深度聚焦與精湛把控。在影視制作過程中，它能夠為創(chuàng)作者提供無與倫比的高精度虛擬場景構建服務，無論是繁華都市的車水馬龍，還是神秘外星的奇幻地貌，都能以極致的細節(jié)呈現(xiàn)。同時，其逼真的特效制作與細膩的角色動畫生成能力更是令人贊嘆不已。

例如，在制作一部史詩級科幻電影時，極佳科技的 4D 內(nèi)容制作引擎能夠精準地模擬光線追蹤、物理碰撞等特效，使影片的視覺效果達到以假亂真的境界，為觀眾帶來震撼人心的觀影體驗。

其與悟空傳媒、儒意傳媒等行業(yè)巨頭的戰(zhàn)略合作，更是進一步彰顯了其在影視傳媒領域的王者風范。通過強強聯(lián)合，極佳科技不僅推動了自身技術的廣泛應用，還引領了整個行業(yè)的內(nèi)容創(chuàng)作模式向智能化、高效化方向轉(zhuǎn)型升級，為影視行業(yè)的創(chuàng)新發(fā)展注入了強大動力。

2、 可靈：快手旗下的爆款生成器

可靈，作為快手公司精心培育的基于人工智能的視頻生成模型，在泛元宇宙的視頻生成領域可謂是一顆耀眼的明星。其最為突出的亮點在于超長視頻生成能力，能夠輕松生成長達 2 分鐘的視頻，這一卓越性能使其在眾多競爭對手中脫穎而出。

在生成 3D 動畫內(nèi)容時，可靈對細節(jié)的處理堪稱一絕。例如，在呈現(xiàn)動畫角色的毛發(fā)、紋理等細節(jié)時，能夠達到高度逼真的效果，仿佛賦予了虛擬角色鮮活的生命。據(jù)摩根士丹利專業(yè)分析，可靈的技術實力足以與日本的 Sora 模型相媲美，這無疑為其在市場競爭中贏得了極高的聲譽與強大的競爭力。

從業(yè)務數(shù)據(jù)來看，可靈 AI 成績斐然，實現(xiàn)了月活超 150 萬的亮眼成績，商業(yè)化單月流水更是突破千萬人民幣。在內(nèi)容創(chuàng)作實戰(zhàn)中，可靈 AI 為短劇《山海奇鏡之劈波斬浪》提供了深度技術支撐，該劇上線短短數(shù)日播放量便如火箭般突破 5000 萬，創(chuàng)造了短劇播放量的新奇跡。這充分展示了可靈在視頻生成與內(nèi)容創(chuàng)作方面的強大實力，也有力地證明了其對提升快手平臺用戶規(guī)模和活躍度的關鍵作用，成為快手在泛元宇宙領域布局的重要戰(zhàn)略棋子。

3、即夢：字節(jié)跳動的創(chuàng)意引擎

即夢，作為字節(jié)跳動重磅推出的 AI 創(chuàng)作平臺，以其豐富多樣的功能和便捷流暢的創(chuàng)作體驗，迅速吸引了廣大創(chuàng)作者的目光與青睞。該平臺匯聚了文生圖、文生視頻、圖生視頻等多種前沿創(chuàng)作功能于一體，為用戶精心打造了一站式的創(chuàng)意與藝術創(chuàng)作解決方案，仿佛一座創(chuàng)意的寶藏庫，等待用戶去挖掘探索。

尤為值得一提的是，即夢高度注重為用戶提供創(chuàng)作靈感源泉。通過提供豐富多樣的創(chuàng)意模板、素材庫以及智能靈感啟發(fā)工具，幫助用戶輕松突破創(chuàng)作瓶頸，激發(fā)無限創(chuàng)意潛能。即使是毫無專業(yè)創(chuàng)作經(jīng)驗的新手用戶，也能在即夢的助力下迅速將腦海中的奇思妙想轉(zhuǎn)化為令人驚艷的可視化作品。

盡管在視頻生成長度上暫時略遜于可靈，但即夢憑借其強大的綜合性創(chuàng)作功能和字節(jié)跳動的龐大平臺生態(tài)優(yōu)勢，在競爭激烈的市場中成功占據(jù)了一席之地。例如，用戶在其平臺上只需簡單輸入一段文字描述，即可借助先進的 AI 技術瞬間生成精美的圖片或視頻作品，無論是用于社交媒體分享、個人創(chuàng)意展示，還是商業(yè)宣傳推廣，都能輕松駕馭。

11 月 8 日，字節(jié)跳動自研的視頻生成模型 Seaweed 面向即夢平臺用戶正式開放，這無疑為即夢的創(chuàng)作工具庫增添了一把利器，使其在視頻生成領域的競爭力得到進一步顯著提升，續(xù)寫著字節(jié)跳動在人工智能創(chuàng)作領域的輝煌篇章。

4、其他消費級選手：個性化體驗的追求者

消費級的 sora、生數(shù)科技、愛詩科技等企業(yè)在泛元宇宙領域同樣展現(xiàn)出了各自獨特的魅力與創(chuàng)新活力。這些企業(yè)精準聚焦個性化的內(nèi)容創(chuàng)作和消費體驗提升，憑借先進的圖像生成、動畫制作等前沿技術，為用戶精心打造定制化的虛擬形象、獨具匠心的場景創(chuàng)作工具以及個性化的內(nèi)容生成服務，致力于滿足用戶對于個性化、新奇元宇宙體驗的不懈追求。

愛詩科技由前字節(jié)跳動視覺技術核心負責人創(chuàng)立，在技術研發(fā)創(chuàng)新的道路上一路疾馳。今年 10 月 29 日，其正式發(fā)布 Pixverse V3 版，彰顯了其強大的技術迭代更新能力。

生數(shù)科技作為國內(nèi)最早布局多模態(tài)通用大模型的先驅(qū)團隊之一，聯(lián)合清華大學重磅發(fā)布了國內(nèi)首款全面對標 OpenAI Sora 的視頻大模型 Vidu，并在 11 月迅速推出 Vidu 1.5 新版本，成功實現(xiàn)了對多樣化輸入的深度理解和“一致性”難題的重大突破。

這些企業(yè)在消費級市場中，通過持續(xù)不斷的技術創(chuàng)新和產(chǎn)品優(yōu)化，為用戶帶來了豐富多彩的個性化元宇宙體驗，但在大規(guī)模工業(yè)級應用的復雜場景與高精度要求面前，仍存在一定的差距。

總體來看，世界模型的構建絕非坦途，它面臨著諸多技術難題，如如何高效地整合多源異構數(shù)據(jù)，怎樣構建精準且可擴展的知識表示體系，以及如何在有限的計算資源下實現(xiàn)復雜的推理與預測功能等。但這并不能阻擋世界模型成為人工智能發(fā)展的終極追求方向。它如同遠方的燈塔，吸引著眾多研究者與科技企業(yè)不斷探索創(chuàng)新，努力突破技術瓶頸。每一次對世界模型相關技術的攻克與優(yōu)化，都將使人工智能更接近能夠像人類一樣理解和融入世界的理想境界，為開啟智能時代的新紀元奠定堅實基礎。