世界模型,猛攻一生爱出片的中国人
为了凑齐朋友圈的九宫格,一生爱出片的中国人不断添置设备、研究机位,有时还要搭上旅行的好心情。
与此同时,顶尖的科学家和资本正砸下几十亿美金,试图用“世界模型”教AI理解物理世界。
看似风马牛不相及的两件事,或许很快就要在同一个取景框里迎头相遇。
#01
世界模型,开始研究出片
一张照片拍完,还能换个机位吗?李飞飞创办的WorldLabs,在其世界模型Atlas中展示了这种可能。
输入一张或多张参考图像,再指定相机的位置和角度,模型就能生成新的画面。使用者可以把虚拟相机抬高、移向侧面,尝试拍摄时没有获得的视角。原始素材没有记录下来的区域,则由模型推测和补全。
WorldLabs已通过网页应用和开发者接口提供Atlas,并将影视与视效列为应用方向之一。一张照片不再只是一次拍摄的终点,也可以成为尝试无限可能的起点。
消费级影像厂商影石,也提出了Cameraman的长期愿景,让设备像摄影师一样自动构图、捕捉瞬间。
在这套设想中,AI负责理解场景和用户意图、生成拍摄策略,镜头获取环境信息,再由机器人、无人机及云台完成移动与镜头控制。使用者提出需求,设备承担更多寻找角度和执行拍摄的工作。
世界模型是影石为此布局的技术方向之一,DiT360、PanoWorld和PanoLOG分别从全景图像生成、相机运动下的画面变化预测与大场景三维空间表示切入,帮助设备理解世界,为轨迹规划与主动创作铺路。
一个在虚拟空间里调整照片视角,一个希望让真实设备自主拍摄。两家公司从不同方向,探索世界模型在“出片”这件事上的用途。
拍照的需求很日常,但按下快门前的判断并不简单。它涉及空间几何、光影变化、人物动线与机位取舍。看似生活化的“出片”难题,底层考验的正是机器对真实世界的空间理解与预测能力。
#02
世界模型,各有各的世界
区别于大语言模型通过概率预测“下一个词”,世界模型试图建立对环境的内部表示,并预测它如何随时间或行动而变化。
光速创投合伙人安托万·莫伊鲁曾说:“人人都同意世界模型很重要,但几乎没人能就它们究竟是什么达成一致。”
世界模型的名字下面,已经分化出了好几个不太一样的世界。
谷歌的Genie系列偏向生成可以交互的虚拟环境,使用者改变行动或观察方向,模型持续生成相应画面;李飞飞的WorldLabs更强调三维空间的生成与重建。
杨立昆创办的AMI则主张在抽象表征中预测变化,抓住对行动有用的信息,而不必生成未来的每一个像素。在这条路线看来,把世界画得逼真,与理解世界如何运转,是两件不同的事。
英伟达的Cosmos等模型与工具,则面向机器人和自动驾驶,提供世界生成、预测与合成数据能力,直接服务于工业训练和测试。
尽管还没有统一解法,资本已经为不同路线付出了真金白银。今年,AMI拿到10.3亿美元种子轮融资;11月,AMD宣布完成对WorldLabs约82亿美元的收购。
这些天价投入对应的目标通常十分宏大,教机器人进厂装配,让汽车应对复杂交通,或者构建可以持续探索的虚拟世界。
然而眼下,技术本身仍处于路线尚未收敛、商业化早期攻坚的阶段。空间一致性、物理因果预测以及从仿真走向现实的难题仍有待逐项突破。
相比这些高风险、长周期的硬核场景,帮普通人拍好一张照片在宏大叙事面前显得格外日常。但恰恰因为大众消费级“出片”容错率高、反馈周期短、付费需求明确,它反而可能成为世界模型率先跑通商业验证的务实入口。
#03
世界模型如何改变摄影?
从旅拍与陪拍服务,到紧凑型卡片机、全景相机和口袋云台,消费者一直在用真金白银为“降低拍摄门槛、提高成片率”买单。
世界模型尝试扩展的,恰好是现有影像工具留下的调整空间。
常见的“先拍照、后取景”,可以通过裁切调整构图,或从全景照片中选择不同朝向的画面,但拍摄位置仍然固定。想绕过前景的遮挡,或者改变人物与远山的相对位置,通常需要设备在现场移动。
世界模型可以根据已有图像,生成另一个机位上的画面,让构图调整不再受限于原来的拍摄位置。对自主摄影设备而言,这类预测也可以提前比较不同视角,再规划移动并完成拍摄。
不过,距离替普通人“无痛出片”,还有几道门槛。
首先是成本与效率。生成新视角所需的计算资源、等待时间和使用费用,会影响它能否从一次新奇体验,变成日常工具。对于自主摄影硬件,还要考虑续航、避障,以及携带和设置的负担。
如果换个机位要等半天、再付一笔生成费用,消费者可能会发现,喊身边的人“往左挪两步”仍然是一项性价比很高的技术。
更重要的是,拍照从来不只是三维几何计算。高赞样本可以教会AI常见的构图,却未必能告诉它,眼前的人喜欢哪个角度、在意什么表情。摄影师在沟通和试拍中积累的判断,恐怕比一套“网红打卡公式”更难直接“蒸馏”。
技术演进常常有意想不到的落点。
当年NASA喷气推进实验室发明CMOS图像传感器时,瞄准的是漫漫深空里的行星探测;几十年后,它最庞大的舞台却不在外太空,而在普通人每天举起的手机镜头里。
当世界模型还在为通用机器人和自动驾驶漫长蓄力时,帮人“出片”这件看似微小的小事,反而可能成为它最先照进现实的窗口。
本文来自微信公众号“真故研究室”(ID:zhengulab),作者:卢建国,编辑:张铎,36氪经授权发布。