点下生成按钮，然后对着转圈的进度条干等好几分钟。过去玩 3D 世界模型或者视频生成的朋友，估计都被那种漫长的渲染折磨得没脾气了。 就在今天，李飞飞创办的 World Labs 发布了一款名为 Frameboy 的研究预览版 Demo，直接把自家的自回归世界模型 Atlas 拉进了实时交互时代。 官方博客 https://www.worldlabs.ai/blog/atlas-realtime 只需要打开浏览器， 云端 GPU 就能以最高 15 fps 的帧率把画面实时串流过来，让你像打游戏一样自由操控镜头，在单张图片生成的 3D 世界里随便溜达。 哪怕是不小心走错了方向、试了个烂点子，试错成本也几乎归零，鼠标一划就能换个角度继续探索。 更有意思的是，此次更新也是今年 9 月底 AMD 宣布斥资 82 亿美元（约合人民币 550 亿元）全股票收购 World Labs 之后，李飞飞这支顶尖空间智能团队交出的又一份技术答卷。 把世界模型装进复古掌机，单张图实时跑出 15 帧 要把此次更新看明白，得先提一嘴两个月前刚亮相的 Atlas。 作为一个自回归世界模型，Atlas 当时最大的卖点是可以逐帧生成画面，并支持像素级精度的相机视角控制，无论是拿一张图脑补出虚拟 3D 世界，还是用几张多视角照片还原真实地标、去建筑工地看进度、给电影勘景都不在话下。 但问题也很现实，就是太慢了。 如果每次调整一下机位，都得等上几十秒甚至好几分钟才能看到渲染结果，创作者在搭场景和规划运镜时就会变得束手束脚，每次按生成键都像在开盲盒。 为了缓解世界模型漫长的生成等待， 团队对 Atlas 进行了深度推理优化，并推出了搭载这一优化版模型的实时交互 Demo Frameboy， 复古掌机式的设计也让人很容易联想到经典的 Game Boy。 现在，当画面生成速度提升到最高每秒 15 帧，用户已经明显感觉不到点击生成那个割裂的动作了。 你只需要在浏览器里推拉摇移相机，云端就会源源不断地把新视角的画面实时推流到屏幕上。 拿官方放出的客厅对比演示来说，以前用慢速模型手动迭代，用户得小心翼翼地在房间里点四个关键帧机位，按下生成干等视频出来，发现角度不对再拖拽重试，来回折腾好几轮。 而在 Frameboy 的实时模式下，你直接开着虚拟相机在房间里转圈就行，视野所及之处，画面同步实时更新。 如果熟悉 World Labs 去年的研究预览项目 RTFM，可能会觉得复古掌机形态有点眼熟。 不过相比当年那个轻量级的帧生成模型，如今的 Atlas 不光模型规模大得多、吞下的数据量高出好几个数量级，能力边界也完全不同了。 去年的 RTFM 主要只能在已有的几个视角之间做插值过渡，而现在的 Atlas 哪怕只喂给它一张静态图片或者一段文字描述，都能从零把整个周边场景给脑补出来，放进 Frameboy 的空间上下文里任你交互探索。 同时，它也完整保留并升级了多视角新视图合成能力，输入几张真实世界名胜古迹的多角度照片，就能在浏览器里直接开启一场赛博实景漫游。 上传图片，亲手搭个 3D 游乐场 光在官方预设好的几个场景里逛，显然还不够过瘾。 为了让大家能亲手搭出自己的 3D 世界，World Labs 还把实时串流能力塞进了自家的网页端应用 Viewfinder 里，做成了实时渲染叠加模式， 目前正处于封闭测试阶段并已开放候补名单申请。 在 Viewfinder 里，你可以拿自己上传的图片当起点，操控虚拟相机一步步往外走，一帧一帧地把整个 3D 空间搭建起来。 Atlas 每生成新的一帧，都会同步输出色彩与深度信息，帮你在视觉上对齐整个三维空间结构。 等场景主体搭得差不多了，直接一键唤起 Frameboy 叠加层，刚才还在逐帧构建的静态工程，瞬间就能变成实时串流的 3D 游乐场。 团队对未来的定位非常清晰，就是 想让 Atlas 这样的世界模型成为下一代生成式渲染器。 不过官方在博客最后也没有回避目前的算力门槛。 现阶段 Frameboy 必须运行在云端的高性能 GPU 服务器上，跟传统的本地渲染比起来，成本绝对算不上便宜。 但回顾计算机图形学的历史，任何一项颠覆性技术在刚诞生时往往都是又慢又贵的，随着底层硬件与软件算法的协同演进，今天昂贵的云端实验室玩具，迟早会变成白菜价的普及工具。 550 亿联姻苏姿丰，加速贴近底层硬件 恰恰是在软硬协同降本提速这件事上，如今的 World Labs 可以说是找到了最合适的靠山。 就在一个多月前的 9 月 28 日，芯片巨头 AMD 刚刚官宣了一项重磅收购协议，拟以 82 亿美元的全股票交易将成立仅两年的 World Labs 收入囊中。 预计在今年底完成交割的这笔交易，直接创下了 AMD 历史上仅次于赛灵思的第二大收购纪录。 算起来，这家总部位于旧金