原文标题：
※请勿删减原文标题
李飞飞World Labs首款产品Marble登场！给一句提示就可生成3D世界，空间运算有何商业
潜力？
原文连结：
※网址超过一行过长请用缩网址工具
https://www.bnext.com.tw/article/85088/marble-world-model
发布时间：
※请以原文网页/报纸之发布时间为准
2025.11.13
记者署名：
※原文无记载者得留空
陈建钧
原文内容：
由AI教母李飞飞共同创办、着眼空间运算的新创World Labs，如今推出了首款商业化产品
Marble，用户可输入文字、图片或影片，即可生成一个完整的立体空间。
根据《TechCrunch》报导，距离World Labs宣布完成2.3亿美元募资大约一年时间，这间
新创公司便发布了这款生成式世界模型产品。两个月前，该模型以Beta预览版的形式推出
，现在也正式推出服务。
一句话、一张图生成小小世界，世界模型“Marble”正式上线
Marble的核心能力是让使用者透过多模态输入，将文字提示、照片、影片、3D布局或全景
图，转换为可编辑和下载的3D环境。李飞飞向媒体表示，世界模型是生成式AI时代的重大
发展，“大型世界模型是释放AI潜能的重要一步。”
与其他生成式模型最大的差异在于，Marble是直接建立一个完整的3D环境，并且可供下载
，而不是在用户探索过程中即时生成的世界。World Labs 表示，这能减少画面变形或不
一致的问题，并让用户后续加工利用。
Marble的共同创办人贾斯汀．强森（Justin Johnson）表示，这是一个“生成 3D 世界的
一个全新类别的模型”。强森指出，Marble未来的一个方向是创意应用，声称该服务具备
完善的编辑工具让用户反复调整场景，其成果预计可以运用在游戏、视觉特效和VR产品之
中。
不过，目前游戏产业对AI的看法仍然好坏参半，近期一次游戏开发者大会上的调查显示，
约有3分之1受访者对AI如何影响游戏产业抱持负面看法，较去年的调查高出12个百分点，
AI生成内容的低劣品质、侵权等问题是许多从业人员不满的原因。
目前在Marble网站上，用户可以浏览不同作者生成的大量3D世界，又或者透过输入提示词
、上传图像影片自行创造心目中的虚拟世界。
Marble现在提供四种分层付费方案：
免费方案：提供四次文字、图像或全景图生成。
标准方案：每月 20 美元，包含 12 次生成，并支援多图/影片输入和进阶编辑 。
专业方案：每月 35 美元，包含 25 次生成，提供场景扩展和商业权利 。
极致方案：每月 95 美元，包含所有功能和 75 次生成
看好空间智慧成AI新领域，李飞飞为“世界模型”写下定义
且在World Labs推出首款产品之前，李飞飞发表了一篇宣言，声称空间智慧会是AI技术发
展的下一个新领域。她首先点出了大型语言模型当前的限制，形容它们就像是身处黑暗中
的语言大师，“能言善道却缺乏经验，博学多闻但没有根基。”
她指出，空间智慧彻底改变创造及体验现实与虚拟世界的方式，颠覆叙事、创造、机器人
技术、科学发现等众多领域。尤其是机器人技术，她认为缺乏对物理世界的感知及理解能
力，是机器人技术发展的最大限制，赋予机器人空间智慧将对众多产业带来深远影响。
不过世界模型目前仍是个相对模糊的新兴概念。例如，Meta首席AI科学家杨立昆（Yann
LeCun）认为它是AI发展的未来，但更侧重于AI的自主学习与因果理解。而在她的宣言中
，李飞飞则以三种核心能力为基础，为世界模型下了明确定义。
生成能力（Generative）：模型能生成多样且合理的世界。
世界模型能“自己生成”世界。
生成的世界要在感知、几何、物理上合理，并且多样化。
模型应该理解世界的过去状态，并保持与现在的一致性。
不论是虚拟空间还是真实场景，都能生成可观察、可使用的世界状态。
多模态（Multimodal）：模型能从多种资讯理解世界
世界模型能接收各种形式的资讯：图片、影片、深度图、文字、手势或动作。
它能把这些部分讯息整合成完整的世界状态，像人类或动物一样理解世界。
也能用多种方式与人或代理互动，输入和输出不侷限单一形式。
互动能力（Interactive）：模型能根据动作或目标预测世界变化。
世界模型能根据动作或目标预测世界的下一步状态。
输出会符合物理规律、语义、动态行为，保持前后一致。
强大的模型甚至可以在目标驱动下，不只预测世界状态，还能预测下一步行动。
她在文章的最后写道，空间智慧能提升人们最为重视的生活品质。在空间智慧能力诞生在
生物身上至今5亿年，人类终于有机会将这项能力赋予机器，并造福世界各地的人们，“
如果没有空间智慧，我们对真正智慧机器的梦想是不完整的。”
心得/评论：
※必需填写满30正体中文字，无意义者板规处分
理组的世界模型要上了
不过不知道效果如何?
但应该还是需要更大的算力
更大的内存吧?
重点是算法还是transformer?
还是还在寻找更佳的算法?
还是理组模型只要理解
不需要死背
所以算力内存需求大幅减少?
不可能吧......
等大神开示...
99NV
99MU
99BRCM