智东西

作者 | 王涵

编辑 | 云鹏

智东西 11 月 6 日报道，刚刚，"AI 教母 " 李飞飞的世界模型团队 World Labs 发布Frameboy，是一个基于 Atlas 优化的实时流式生成演示 Demo。

Frameboy 从云端 GPU 流式传输画面，速度最高可达 15FPS，这意味着每隔约 67 毫秒就能获得一帧新画面。

与之对比，谷歌 DeepMind 在 2025 年 8 月发布的世界模型 Genie 3，可以在 720p 下实现 24FPS 实时交互，但 Atlas 的画面分辨率最高可达到 1440p。

Atlas 是一个自回归世界模型，在 2026 年 9 月发布，该模型可以按帧生成，并实现像素级精确的相机控制。（李飞飞，发了个能 " 暂停时间 " 的世界模型）

Frameboy 所提供的 Atlas 变体经过高度优化，能够在保持出色生成式新视角合成能力的同时，实现尽可能快、尽可能高效的推理。

World Labs 团队还将这一功能集成到了网页应用Viewfinder中，用户可以在其中用 Atlas 逐帧构建自己的场景，然后通过流式 Frameboy 叠加层实时探索。

Viewfinder 目前处于封闭测试阶段，可在 World Labs 加入等候名单进行测试。

一、实时流式输出帧，速度成世界模型交互关键

去年，World Labs 推出高效轻量的帧生成模型 RTFM 的研究预览版，Atlas 正是借鉴了 RTFM 的思路并在此基础上做了拓展。受此启发，World Labs 团队继续沿用这套思路，重新打造了 Frameboy。

和 RTFM 相比，Atlas 的模型规模大得多，训练数据量高出好几个数量级。RTFM 的定位主要是在一组已有视角之间做插值；而Atlas 支持从零生成场景，最少仅依靠单张图片或者一段文本描述作为输入。

Atlas 同时保留并升级了 RTFM 基于多张图像合成新视角的能力。依托这一特性，用户可以通过 Frameboy 在真实场景里漫游浏览。

Atlas 正式发布之后，World Lab 团队发现，生成速度是影响用户交互体验的核心瓶颈。

如果用户需要等待几十秒乃至数分钟才能看到 Atlas 生成的视频，就不得不小心翼翼、按部就班地搭建场景、规划相机路径。这拉长了迭代周期，也让用户很难调出想要的效果。

反过来，倘若 Atlas 可以做到实时交互级生成速度，用户就能快速试错、反复调整输入。当延迟和调用成本降到足够低时，用户甚至不会感觉到独立的 " 生成 " 动作，因为模型会随着用户在场景中漫游，持续流式输出画面。

由此，Frameboy 应运而生。

二、以流式叠加渲染模式集成，暂依赖云端 GPU

除了提升生成速度之外，World Labs 团队还希望 Atlas 这类模型能够成为高性能的生成式渲染器：用户只需提供简单直观的输入（比如一组图像），就能交互式搭建、预览丰富复杂的三维场景。

为了呈现这一构想，该团队把 Frameboy 的实时能力，以流式叠加渲染模式集成到搭载 Atlas 的网页应用 Viewfinder 里。

在 Viewfinder 中，用户可以依托输入素材逐帧搭建场景、自由漫游，像操控虚拟相机一样，从各个视角生成保持三维一致性的画面。

每一帧的色彩与深度信息都由 Atlas 生成，以此还原正在构建的三维空间。用户准备好之后，便可开启 Frameboy 叠加层，在漫游场景的过程中持续接收流式输出画面。

目前，Frameboy 还需要依托云端高性能 GPU 服务器运行，成本高于本地渲染方案。

结语：世界模型再提速，还需跨过算力关

对于世界模型来说，模型生成的速度和其所生成世界的真实度格外重要。本次更新就是重点围绕速度这一维度展开。

而提升速度，仅靠模型算法的优化还不够，推理效率、算力资源与底层硬件同样是绕不开的环节。

2026 年 9 月，AMD 宣布以约 82 亿美元全股票交易收购 World Labs。（刚刚，苏姿丰买下李飞飞世界模型公司！花了 550 亿）

对于李飞飞团队而言，这意味着其世界模型研发可以进一步与底层计算基础设施结合，也为未来在 GPU 算力、模型推理及生成式渲染等方面的优化提供了更多可能。

随着软硬件持续迭代，当前速度偏慢、成本偏高的能力，未来都有望变得更快、成本更低。