刘慈欣最可怕预言，被李飞飞做出来了

22年前，刘慈欣在《镜子》里写了一个结局惨淡的故事：人类用超弦计算机复现了整个宇宙，得到了一面能看清任何时间、任何地点发生过什么的镜子。最后，绝对透明的文明失去了活力，人类在澄澈中枯萎。

这本来只是一个科幻设定。

北京时间9月2日，AI教母李飞飞和她的World Labs，把这个故事的第一章，做出来了一部分。正式发布“全球首个多模态世界模型” ----Atlas，它能以像素级相机控制生成图像与视频，并将画面重建为3D世界。

李飞飞本人将其称为“里程碑式”成果并在社交平台置顶，表示Atlas“为从视觉特效到机器人的众多应用场景打开了大门”。

英伟达机器人主管、同时也是李飞飞的学生Jim Fan等多位业内人士也称赞：

这是机器人领域Real-to-Sim（真实到仿真）的“一大步”。

这个场景和《镜子》有些相似:书里，白冰输入参数，计算机演化出整个宇宙；书外，人们给出提示词，模型生成出一方世界。

那么，这个敢以“首个多模态世界模型”加冠的Atlas，究竟能做什么？

Atlas----第一个尝试理解世界的模型

关于这个模型，按官方的说法，World Labs将Atlas称作Omni Model（“全模态模型”，从零开始预训练，原生处理文本、图像、视频和3D四门功课。

第一门是“轨迹拍摄”。

输入1-6张参考图，再画好想要的运镜轨迹，它就能生成最长一分钟、1440p的高清视频。

放在以前，在影视制作上，大家用视频模型生成的都清楚，控制镜头你就要在提示词里打“镜头向左平移”“俯拍仰拍”，这类含糊的文字描述，效果如何全凭运气。

有一种方法就是写出论文一样的提示词，将AI死死框在我们的文字下，但这也需要导演有极强的“空间想象力”，这样的人才不是没有，只是不多。

现在靠Atlas，这一步则省下不少导演的脑细胞，它把相机轨迹本身变成了输入，省下原本描述“轨迹”的那部分编写提示词的时间。

第二门是“3D建模”。

给它几张到几十张照片，它能重建出完整的3D空间，能直接输出游戏和VR行业可用的3D格式。

用上了真正的3D渲染技术，比如点云和高斯泼溅。

点云相当于把像素从照片里“立”进三维空间----成千上万个点，每个点记录一组空间坐标和颜色；3D高斯泼溅通俗说就是一小团有体积、会渐隐的颜料雾：中心最实，越往边缘越透明；这团雾还能拉伸、压扁、旋转，并携带自己的颜色和透明度。两者都是3D渲染的方式。