世界模型这次真的能“建立世界”了。
9月1日，李飞飞创办的World Labs发布新一代世界模型Atlas，目前不开源，只向少数合作伙伴开放早期试用。
据官方介绍，Atlas只需要几张普通照片，就能做三件事：按用户指定的机位生成视频，把拍摄的场景重建成可以在三维软件里打开的模型，以及为机器人搭建仿真训练环境。具体规格上，输入1到6张参考图和一条相机轨迹，可以生成最长1分钟、1440p的视频。李飞飞把这次发布称为公司的里程碑式成果。
图片来源：X
值得注意的是，官方演示里篇幅最多的不是影视或设计，而是机器人。英伟达机器人主管Jim Fan评价说，这是具身智能Real-to-Sim的一大步——把真实场景转成仿真环境。
那么，这样一个模型能不能解决具身智能长期缺数据的难题？
01 Atlas为机器人训练省掉了哪一步
机器人训练需要大量真实操作数据，而这类数据一直很贵。据亿欧智库7月发布的报告，真机数据在京东、百度的交易平台上定价500到1000元一小时，遥操作一套设备超过20万元，采集人力约300元一天；全行业已积累的高质量真实交互数据约50万小时，而达到可用状态至少需要1000万小时。
行业公认的解法是仿真。但仿真自己也有一道成本关：机器人要在虚拟环境里练手，得先有人把场景、材质、光照和物体一件件搭出来，环境或机型一变，往往还要重搭一遍。传统的三维扫描同样费事，做一次点云或高斯泼溅重建，需要扛着专业设备围着目标转几十圈、拍上百甚至上千张照片。
Atlas想突破的正是这一段。
据官方说明，它的第一个突破在于镜头控制。用视频模型时，运镜只能靠文字描述，比如“缓慢环绕”，具体生成什么由模型自行推测；Atlas可以接受直接给定的相机位置和角度，按坐标输出对应视角。官方称之为像素级的相机控制，并称相机路径越复杂，这项优势越明显。
图片来源：World Labs
第二个突破在输出内容。视频模型交付的是一段影片，看完即止；Atlas还能导出点云和三维高斯泼溅，这类数据可以直接进入制作或仿真流程。
两项能力合起来的效果，在官方演示里比较直观。斯坦福主广场那段演示只用了两到二十五张游客视角的地面平拍照，就还原出草坪、拱廊和教堂外墙，并生成了校园上空的航拍漫游。机器人方面，团队用手机视频取24帧重建出一个仓库大小的空间，让虚拟机器人在其中行走，由Atlas现场生成它机身相机应当看到的画面与深度数据，还可以更换物体位置、光照和背景。
也就是说，过去需要一支团队搭几周的仿真场景，现在拍两段手机视频就能生成，机器人可以直接进去反复试错。对一个连训练场景都不够用的行业，这一步省下的成本相当可观。
02 短板在哪，各家又补到了哪一步
省掉搭建环节，不等于抹平了仿真与现实之间的差距。斯坦福HAI在2026年的《AI Index Report》中给出一组数字：具身智能任务在仿真环境中的成功率为89.4%，放到真实场景只剩12%。差距主要出在物理属性上，仿真里物体的重量和表面光滑程度都是设定值，而真实场景中杯子可能装了水、手可能是湿的，这些变化很难完全模拟。
Atlas在这一侧的公开信息还不多。官方材料集中在画面生成和几何重建，复杂物理的表现如何、大规模运行的成本多少，目前都没有可核对的数据。
Atlas的生成质量本身也有边界。有开发者向媒体表示，镜头一旦进入原图没有拍到的区域，模型仍要依赖先验去猜，视角跨度越大、生成路径越长，局部几何漂移、物体形状变化和纹理闪烁越容易暴露，生成结果更接近一个视觉上合理的三维世界。一份面向产品端的分析给出的判断是，Atlas目前在状态保持、空间控制和三维输出上信号较强，而行动结果、复杂物理和规模化成本还需要真实用户来验证。
这些没有覆盖到的部分，恰好是另外两家公司的强项。谷歌DeepMind的Genie系列在实时交互上更强，Genie 3于2025年8月发布，能以每秒24帧生成可以实时探索的三维环境，2026年1月29日以Project Genie的形式并入Google AI Ultra订阅，收入来自订阅费。不过它目前规模最大的应用并不在订阅用户这一侧：2026年2月，Waymo基于Genie 3改出了自己的Waymo World Model，用于生成同步的摄像头与激光雷达数据，制造真实路测中很少遇到的极端场景。
图片来源：Google DeepMind
英伟达的强项则正好落在物理这一侧。Isaac Sim和Omniverse基于物理引擎构建虚拟环境，据英伟达披露，Omniverse可以在11小时内生成78万条合成轨迹，供机器人训练使用；2026年6月发布的Cosmos 3被称为全球首个完全开放的全模态物理AI基础模型，权重公开在Hugging Face上免费下载。英伟达并不打算从模型上收钱，它的收入来自硬件。
World Labs自己也在往物理这一侧走。7月21日，公司收购了机器人仿真公司SceniX；一周之后的7月28日，又公开了基于该技术的Real-to-Sim-to-Real引擎。据公司发布的材料，该引擎从一个真实任务出发，通过改变光照、物体位置、摩擦力和机位生成上千个变体，控制模型完全在仿真中训练、不使用真实数据，之后在五个机器人平台上各连续运行一小时，无人干预，测试任务包括理线和把弹性线端插进孔位这类柔性操作。Atlas负责的是这条流程的上游，把真实场景变成可用的仿真环境。
03 估值、收入与市场空间
围绕具身数据采集的投入还在增加。据亿欧智库的数据，2024年全球具身智能数据集市场规模约7.37亿美元，预计2031年达到70.14亿美元，年复合增长率38.2%。在中国，2026年一季度具身智能领域融资超300亿元、同比增长约1.4倍，全国已经出现超70家数据采集训练场。
图片来源：网络
在美国，融资规模最大的就是World Labs。公司成立于2024年，累计融资约12.3亿美元，最新一轮在2026年2月完成，规模10亿美元，其中Autodesk单独投入2亿美元并担任公司顾问，其余投资方包括英伟达和AMD；公司没有披露估值，媒体报道其谈判估值约50亿美元。
不过公司收入端的规模要小得多。World Labs目前唯一收费的产品是Marble，最贵的旗舰版每月95美元、包含75次生成。这样的落差在行业里相当普遍：杨立昆的AMI Labs还没有产品，就完成了10.3亿美元种子轮，投前估值35亿美元；群核科技2026年4月17日以“全球空间智能第一股”登陆港交所，公开发售获1591倍认购，钛媒体统计其市值一度冲到636.5亿港元，但招股书显示，其面向具身智能与数字孪生的SpatialVerse业务2025年收入520万元，占总营收0.6%，客户只有16家。
在世界模型的应用场景里，真正跑通付费的目前只有自动驾驶仿真一块。商汤的开悟用来生成仿真数据，Momenta的R7已量产上车，其智驾方案累计搭载超110万台量产车，支撑这条线的是百亿公里级的实车里程和明确的采购主体。机器人这一侧还没走到同样的规模，一份2026年的具身智能数据产业链报告认为，世界模型是数据放大器，而不是真实数据的替代品，价值仍要经过真实任务的验收。
回到开头那个问题。Atlas没有抹平仿真与现实之间的全部差距，但它拿掉了这条链路上最费人力的一段——过去要靠团队一件件搭出来的仿真环境，现在几张手机照片就能生成。对一个训练场景长期不够用的行业来说，这一步的意义不小。
收入还远远跟不上估值，这是事实。但决定这门生意上限的，是仿真数据能把真实环境里的成功率推到多高。World Labs官方称Atlas从零预训练，性能随训练算力持续提升；这条曲线能走多远，比眼下的营收数字更值得盯。
前提是它得跑赢免费的对手。英伟达的Isaac Sim和Omniverse早已是仿真环节的常用工具，Cosmos 3的权重也公开可下。Atlas接下来要证明的，是自己省下的那部分人力和时间，值得客户单独付一笔钱。
（本文配图、公开数据素材来源于网络及公开行业平台，如有侵权，敬请联系我方及时修改。）
原文标题 : Atlas面世，李飞飞拯救具身智能数据荒？
世界模型这次真的能“建立世界”了。
9月1日，李飞飞创办的World Labs发布新一代世界模型Atlas，目前不开源，只向少数合作伙伴开放早期试用。
据官方介绍，Atlas只需要几张普通照片，就能做三件事：按用户指定的机位生成视频，把拍摄的场景重建成可以在三维软件里打开的模型，以及为机器人搭建仿真训练环境。具体规格上，输入1到6张参考图和一条相机轨迹，可以生成最长1分钟、1440p的视频。李飞飞把这次发布称为公司的里程碑式成果。
图片来源：X
值得注意的是，官方演示里篇幅最多的不是影视或设计，而是机器人。英伟达机器人主管Jim Fan评价说，这是具身智能Real-to-Sim的一大步——把真实场景转成仿真环境。
那么，这样一个模型能不能解决具身智能长期缺数据的难题？
01 Atlas为机器人训练省掉了哪一步
机器人训练需要大量真实操作数据，而这类数据一直很贵。据亿欧智库7月发布的报告，真机数据在京东、百度的交易平台上定价500到1000元一小时，遥操作一套设备超过20万元，采集人力约300元一天；全行业已积累的高质量真实交互数据约50万小时，而达到可用状态至少需要1000万小时。
行业公认的解法是仿真。但仿真自己也有一道成本关：机器人要在虚拟环境里练手，得先有人把场景、材质、光照和物体一件件搭出来，环境或机型一变，往往还要重搭一遍。传统的三维扫描同样费事，做一次点云或高斯泼溅重建，需要扛着专业设备围着目标转几十圈、拍上百甚至上千张照片。
Atlas想突破的正是这一段。
据官方说明，它的第一个突破在于镜头控制。用视频模型时，运镜只能靠文字描述，比如“缓慢环绕”，具体生成什么由模型自行推测；Atlas可以接受直接给定的相机位置和角度，按坐标输出对应视角。官方称之为像素级的相机控制，并称相机路径越复杂，这项优势越明显。
图片来源：World Labs
第二个突破在输出内容。视频模型交付的是一段影片，看完即止；Atlas还能导出点云和三维高斯泼溅，这类数据可以直接进入制作或仿真流程。
两项能力合起来的效果，在官方演示里比较直观。斯坦福主广场那段演示只用了两到二十五张游客视角的地面平拍照，就还原出草坪、拱廊和教堂外墙，并生成了校园上空的航拍漫游。机器人方面，团队用手机视频取24帧重建出一个仓库大小的空间，让虚拟机器人在其中行走，由Atlas现场生成它机身相机应当看到的画面与深度数据，还可以更换物体位置、光照和背景。
也就是说，过去需要一支团队搭几周的仿真场景，现在拍两段手机视频就能生成，机器人可以直接进去反复试错。对一个连训练场景都不够用的行业，这一步省下的成本相当可观。
02 短板在哪，各家又补到了哪一步
省掉搭建环节，不等于抹平了仿真与现实之间的差距。斯坦福HAI在2026年的《AI Index Report》中给出一组数字：具身智能任务在仿真环境中的成功率为89.4%，放到真实场景只剩12%。差距主要出在物理属性上，仿真里物体的重量和表面光滑程度都是设定值，而真实场景中杯子可能装了水、手可能是湿的，这些变化很难完全模拟。
Atlas在这一侧的公开信息还不多。官方材料集中在画面生成和几何重建，复杂物理的表现如何、大规模运行的成本多少，目前都没有可核对的数据。
Atlas的生成质量本身也有边界。有开发者向媒体表示，镜头一旦进入原图没有拍到的区域，模型仍要依赖先验去猜，视角跨度越大、生成路径越长，局部几何漂移、物体形状变化和纹理闪烁越容易暴露，生成结果更接近一个视觉上合理的三维世界。一份面向产品端的分析给出的判断是，Atlas目前在状态保持、空间控制和三维输出上信号较强，而行动结果、复杂物理和规模化成本还需要真实用户来验证。
这些没有覆盖到的部分，恰好是另外两家公司的强项。谷歌DeepMind的Genie系列在实时交互上更强，Genie 3于2025年8月发布，能以每秒24帧生成可以实时探索的三维环境，2026年1月29日以Project Genie的形式并入Google AI Ultra订阅，收入来自订阅费。不过它目前规模最大的应用并不在订阅用户这一侧：2026年2月，Waymo基于Genie 3改出了自己的Waymo World Model，用于生成同步的摄像头与激光雷达数据，制造真实路测中很少遇到的极端场景。
图片来源：Google DeepMind
英伟达的强项则正好落在物理这一侧。Isaac Sim和Omniverse基于物理引擎构建虚拟环境，据英伟达披露，Omniverse可以在11小时内生成78万条合成轨迹，供机器人训练使用；2026年6月发布的Cosmos 3被称为全球首个完全开放的全模态物理AI基础模型，权重公开在Hugging Face上免费下载。英伟达并不打算从模型上收钱，它的收入来自硬件。
World Labs自己也在往物理这一侧走。7月21日，公司收购了机器人仿真公司SceniX；一周之后的7月28日，又公开了基于该技术的Real-to-Sim-to-Real引擎。据公司发布的材料，该引擎从一个真实任务出发，通过改变光照、物体位置、摩擦力和机位生成上千个变体，控制模型完全在仿真中训练、不使用真实数据，之后在五个机器人平台上各连续运行一小时，无人干预，测试任务包括理线和把弹性线端插进孔位这类柔性操作。Atlas负责的是这条流程的上游，把真实场景变成可用的仿真环境。
03 估值、收入与市场空间
围绕具身数据采集的投入还在增加。据亿欧智库的数据，2024年全球具身智能数据集市场规模约7.37亿美元，预计2031年达到70.14亿美元，年复合增长率38.2%。在中国，2026年一季度具身智能领域融资超300亿元、同比增长约1.4倍，全国已经出现超70家数据采集训练场。
图片来源：网络
在美国，融资规模最大的就是World Labs。公司成立于2024年，累计融资约12.3亿美元，最新一轮在2026年2月完成，规模10亿美元，其中Autodesk单独投入2亿美元并担任公司顾问，其余投资方包括英伟达和AMD；公司没有披露估值，媒体报道其谈判估值约50亿美元。
不过公司收入端的规模要小得多。World Labs目前唯一收费的产品是Marble，最贵的旗舰版每月95美元、包含75次生成。这样的落差在行业里相当普遍：杨立昆的AMI Labs还没有产品，就完成了10.3亿美元种子轮，投前估值35亿美元；群核科技2026年4月17日以“全球空间智能第一股”登陆港交所，公开发售获1591倍认购，钛媒体统计其市值一度冲到636.5亿港元，但招股书显示，其面向具身智能与数字孪生的SpatialVerse业务2025年收入520万元，占总营收0.6%，客户只有16家。
在世界模型的应用场景里，真正跑通付费的目前只有自动驾驶仿真一块。商汤的开悟用来生成仿真数据，Momenta的R7已量产上车，其智驾方案累计搭载超110万台量产车，支撑这条线的是百亿公里级的实车里程和明确的采购主体。机器人这一侧还没走到同样的规模，一份2026年的具身智能数据产业链报告认为，世界模型是数据放大器，而不是真实数据的替代品，价值仍要经过真实任务的验收。
回到开头那个问题。Atlas没有抹平仿真与现实之间的全部差距，但它拿掉了这条链路上最费人力的一段——过去要靠团队一件件搭出来的仿真环境，现在几张手机照片就能生成。对一个训练场景长期不够用的行业来说，这一步的意义不小。
收入还远远跟不上估值，这是事实。但决定这门生意上限的，是仿真数据能把真实环境里的成功率推到多高。World Labs官方称Atlas从零预训练，性能随训练算力持续提升；这条曲线能走多远，比眼下的营收数字更值得盯。
前提是它得跑赢免费的对手。英伟达的Isaac Sim和Omniverse早已是仿真环节的常用工具，Cosmos 3的权重也公开可下。Atlas接下来要证明的，是自己省下的那部分人力和时间，值得客户单独付一笔钱。
（本文配图、公开数据素材来源于网络及公开行业平台，如有侵权，敬请联系我方及时修改。）
原文标题 : Atlas面世，李飞飞拯救具身智能数据荒？
