Koniec z płaskimi generatorami. Model Atlas od World Labs wchodzi w trzeci wymiar
Branża sztucznej inteligencji od lat zmaga się z problemem „płaskiego myślenia” modeli generatywnych. Choć systemy takie jak Sora czy Runway potrafią tworzyć imponujące wizualnie filmy, w rzeczywistości nie rozumieją one fizycznej głębi ani relacji przestrzennych między obiektami. Ten stan rzeczy zamierza zmienić World Labs, startup założony przez ikonę AI, Fei-Fei Li. Ich najnowsze dzieło, model Atlas, to próba zdefiniowania na nowo pojęcia „modelu świata”, gdzie priorytetem nie jest piksel, lecz trójwymiarowa współrzędna.
Dlaczego to ważne właśnie teraz? Zaprezentowany 1 września 2026 roku Atlas wprowadza nową koncepcję inteligencji przestrzennej, łącząc tekst, obraz, wideo i geometrię 3D w ramach jednego, natywnego systemu. Jak podkreśla sama Fei-Fei Li: „Przedstawiamy Atlasa – pierwszy w swoim rodzaju multimodalny model świata wytrenowany od podstaw”. To odejście od powierzchownych symulacji wideo na rzecz systemów, które realnie potrafią modelować przestrzeń i czas.
Koniec z dwuwymiarową iluzją
Atlas nie jest kolejnym generatorem wideo, który działa na zasadzie cyfrowego automatu do gier, wyrzucającego losowe klatki. To fundament tak zwanej inteligencji przestrzennej (spatial intelligence). Zamiast przetwarzać dane jako sekwencje płaskich obrazów, model od podstaw kotwiczy każdą informację w przestrzeni 3D. Dzięki temu użytkownik zyskuje pełną kontrolę nad kamerą – ruch nie jest opisywany nieprecyzyjnym tekstem, lecz podawany jako czysty parametr geometryczny. Efekt? Stabilne, spójne wizualnie sceny o długości do minuty w rozdzielczości 1440p, które zachowują logikę przestrzenną nawet przy gwałtownych zmianach perspektywy.
Rekonstrukcja świata z kilku kadrów
Siła Atlasa objawia się najbardziej tam, gdzie tradycyjne systemy zawodzą: w rekonstrukcji rzeczywistości. Model potrafi stworzyć wierny model 3D obiektu lub całego otoczenia, mając do dyspozycji zaledwie kilka zdjęć wykonanych smartfonem. Testy wykazały, że Atlas radzi sobie lepiej niż wyspecjalizowane narzędzia do fotogrametrii, minimalizując błędy geometryczne i eliminując rozmycie tekstur. W demonstracjach system potrafił przekształcić zaledwie kilkanaście zdjęć kampusu Stanforda wykonanych z poziomu ziemi w pełną, trójwymiarową mapę, umożliwiającą generowanie widoków z lotu ptaka.
Most między symulacją a robotyką
Dla branży robotycznej Atlas może okazać się kluczowym brakującym ogniwem. Dzięki możliwości eksportu danych w formatach takich jak 3D Gaussian Splats czy chmury punktów, system staje się potężnym narzędziem typu real-to-sim. Pozwala to na błyskawiczne przeniesienie fizycznego otoczenia do wirtualnego laboratorium, gdzie algorytmy sterujące robotami mogą trenować w tysiącach wariantów tej samej sceny, zmieniając oświetlenie, tło czy układ przedmiotów. To podejście, wzmocnione przejęciem startupu SceniX, pozwala na szkolenie maszyn całkowicie w symulacji, co drastycznie obniża koszty i ryzyko związane z testami w realnym świecie.
Dominacja w benchmarkach i rynkowa wycena
Choć World Labs to stosunkowo młody gracz na rynku, wsparcie ze strony gigantów takich jak Nvidia, Intel czy Andreessen Horowitz oraz finansowanie rzędu miliarda dolarów przy wycenie sięgającej 5 miliardów dolarów, świadczą o ogromnym kredycie zaufania. Dane empiryczne zdają się to potwierdzać – w testach porównawczych Atlas zdeklasował konkurencję, uzyskując preferencję ludzkich oceniających na poziomie od 75% do nawet 94%. W świecie, gdzie definicja modelu świata jest wciąż przedmiotem akademickich sporów, World Labs dostarczyło konkret: system, który nie tylko widzi, ale przede wszystkim rozumie głębię otaczającej nas rzeczywistości.
