李飛飛出手！World Labs 推首個商業世界模型 Marble，瞄準空間智慧大戰
由 AI 先驅李飛飛創立的新創 World Labs 宣布，正式發表其首款商業世界模型產品：Marble。這款模型在兩個月前以預覽版形式亮相，如今開放一般用戶與企業採用，代表世界模型從研究走向商業化的重要一步。
Marble 的核心能力，是在把「文字」與「畫面」直接變成完整的 3D 世界。使用者只要輸入一段文字描述，或上傳照片、全景圖、短影片，甚至是粗略的 3D 格局，就能生成一個可自由探索的虛擬環境，而且是持久存在、不會一路變形或閃爍的世界。值得關注的是，這些世界可以下載成可編輯的 3D 資產，直接匯入既有的遊戲引擎、設計或 VFX 工作流程中。
此外，相較於 Google Genie、NVIDIA Cosmos、Decart AI 等同樣主打世界模型的產品，多數方案仍偏向「即時生成」畫面：使用者在畫面裡移動時，場景邊走邊長出來，難以穩定保存與二次創作。Marble 則主打「持久世界」與完整匯出能力，讓世界模型真正成為內容與模擬管線的一環，而不是一次性的視覺效果。
四大能力「雕刻」世界：多模態輸入、編輯、擴展、匯出
從產品設計來看，Marble 目前已具備四大關鍵特性：多模態輸入、編輯、擴展與匯出。
在多模態輸入上，Marble 不只支援文字、單張圖片，還能接收多張照片、短影片或粗略 3D 佈局。創作者可以先用其他生成式 AI 畫出幾張概念圖，再交給 Marble 把不同視角「縫合」成一個連貫的 3D 世界，也能用實體空間的多角度照片，重建近似數位分身的虛擬場景。
第二個亮點是編輯。Marble 內建 AI 原生編輯工具，使用者可以在 2D 或 3D 視角下，移除、替換物件，改變光線與風格，或重新規劃整個空間的結構，編輯可以很小、很局部。World Labs 也推出實驗性 3D 編輯器 Chisel，讓進階用戶先用方塊、平面勾勒出牆面、家具、地形等粗略格局，再用文字描述風格，由 Marble 自動把「結構」轉化為符合風格的完整世界。結構與風格被刻意拆開，讓創作者可以反覆調整佈局或美術，而不必每次從零開始重生世界。
（Chisel 功能示範。左圖粗略的 3D 場景決定了世界的空間結構，而文字提示則掌控整體的風格與氛圍，成品為右圖。此範例的文字提示中譯：「一座美麗的現代藝術博物館，鋪著木地板，裡面擺滿了色彩繽紛的繪畫和曲線優美的雕塑」。圖片來源：擷取自 Ｗord Labs）
第三個能力是擴展。當使用者走到世界邊界，或覺得某一區域細節不足時，可以指定區域進行「擴張」，請 Marble 依照既有風格與幾何規則，把世界往外延伸、補齊破碎邊緣或稀疏區塊。若要打造更大場景，則可透過「組曲模式」把多個已生成世界拼接成超大型環境。
最後是匯出能力。完成的 Marble 世界可以輸出為 Gaussian splats、三角網格或影片等多種格式，方便帶入 Unreal Engine、Unity 或傳統 VFX、動畫與 VR 工作流程。對專業團隊來說，這意味著世界模型不只是 demo，而是可直接串接既有製程的內容來源。
世界模型為何重要：從自駕車、機器人到娛樂產業
在李飛飛與 World Labs 的設定裡，世界模型不只是「更炫的 3D 內容生成器」，而是讓 AI 理解現實世界的關鍵基礎建設。世界模型能為 AI 建立一個內在的「世界表徵」，讓系統不只看見畫面，而是能預測物體如何移動、互動，進而推演下一步可能的結果。
這種能力對自動駕駛與機器人至關重要。過去訓練自駕車或機器人，必須仰賴大量實地收集的感測資料，成本高且場景有限。有了像 Marble 這樣的世界模型，企業可以在虛擬環境中大量模擬多變路況、極端情境與長尾場景，產生更豐富的訓練資料，加速系統在真實世界的安全部署。
在娛樂與內容產業，世界模型則有望改寫美術與場景製作流程。遊戲開發商可以先用 Marble 生出背景與環境，再交由內部團隊在引擎中補上互動邏輯與劇情事件。電影與影集的視覺特效團隊，也能利用 Marble 生成穩定的 3D 場景，以傳統攝影機運鏡方式排戲、分鏡，避免現有 AI 影片工具常見的鏡頭漂移與畫面不一致問題。同時，VR 裝置長期面臨內容缺口，Marble 這類工具有機會成為大量虛擬場景的來源。
李飛飛眼中 AI 的下一個十年：超越 LLM 的「空間智慧」
李飛飛過去以建立影像資料集 ImageNet 聞名，如今她將目光轉向「世界模型」與「空間智慧」（spatially-intelligent）。她在近期的長文與公開談話中多次強調，當前的主流大型語言模型（LLM），雖然已經改變人們取得與處理知識的方式，但本質上仍是「在黑暗中寫作的文字大師」，擅長處理符號，卻缺乏對真實世界的經驗與理解。
她認為，AI 發展的下一個十年，將建構真正具有空間智慧的機器，而建構空間智慧需要比 LLM 更具野心的方案：世界模型。
在她的定義裡，真正的世界模型必須同時具備三個特性：可以生成符合幾何與物理規則的世界，是天生多模態的，並且能根據人或機器人的動作，給出下一個世界狀態，也就是具備互動性。只有在這樣的前提下，AI 才能像人類一樣，在空間中感知、推理與行動，進一步在科學研究、新材料設計、醫療與日常生活輔助上，扮演更積極的角色。
從這個角度看，Marble 只是邁向空間智慧的第一步。現在它已經能生成、編輯、擴展與匯出世界，下一階段的關鍵，將是讓人類與智慧代理可以在這些世界裡自然互動，透過模擬與試驗，把虛擬世界的經驗反饋到真實決策之中。
＊本文開放合作夥伴轉載，資料來源：《TechCrunch》、《SiliconANGLE》、 World Labs、《Fast Company》、Dr. Fei-Fei Li，首圖來源：World Labs