2026年9月1日、李飛飛チームが創設したWorld Labsは、旗艦世界モデル「Atlas」を発表した。これはスクラッチからの事前学習により、テキスト・画像・動画・3Dデータという4種類の入力をネイティブにサポートする、世界初の全モーダル世界モデルと位置づけられている。Atlasは最大1440p解像度・最長1分間の動画を生成でき、ピクセル精度のカメラトラジェクトリ制御を実現する。3D再構成タスクでは、既存の専門モデルを上回るとしている。同社の累計調達額は12億3,000万ドルに達し、投資家にはAMD、NVIDIA、フィデリティ、Autodesk等が名を連ねる。
ゼロから構築された統合空間コンテキスト
Atlasの技術アーキテクチャはマルチモーダル自己回帰拡散Transformerであり、テキスト・画像・動画・3Dデータを、各モダリティの独立したモデル間にブリッジ層を設けるのではなく、共有された単一の空間コンテキストへ統合エンコードすることを核心としている。生成フェーズでは連続型データの処理にRectified Flowを用いた拡散を採用し、自己回帰フレームワーク内でモダリティをまたいだ3D一貫性を確保している。
Atlasの主要機能は4つある。カメラ制御生成、空間再構成、時空間シミュレーション、画像生成である。空間再構成は1枚から数十枚の画像から実シーンを再構成でき、出力形式としてポイントクラウドおよびガウシアンスプラッティングという2種類の明示的3D表現をサポートする。時空間シミュレーションはロボティクスシーンを対象とし、動画のリコンポジションおよびReal-to-Simワークフローをサポートする。公式ブログによれば、Atlasの性能は学習計算量の増加とともに向上するとしている。
自己評価データによれば、カメラ制御生成タスクの人間選好評価でAtlasの選好率は81%から93%に達し、3D再構成ではDTU・ETH3D・KITTI・ScanNetなどのベンチマークデータセットで現在の最先端専門モデルを上回ると主張している。
ベンチマークデータの背後にある手法論上の問題
上記の性能データにはテスト条件上の問題がある。Implicatorの報道によれば、カメラ制御の比較テストにおいて、Atlasにはネイティブのカメラトラジェクトリが入力として与えられた一方、競合モデルのMiniMax H3およびSeedance 2.5にはカメラ動作のテキスト記述のみが与えられた。World Labsは、より精緻なプロンプトエンジニアリングによって競合モデルの性能が改善される可能性を認めている。これは、81%から93%という選好率が、ネイティブのカメラ制御とテキスト記述による指示の間の差を測定したものに過ぎない可能性を示している。
3D再構成の比較においても同様の問題がある。Implicatorの報道によれば、Atlasが比較対象としたベースラインモデルVGGT-Ω 1Bは、2026年8月18日の時点でベンチマークデータ汚染に関する警告をすでに発しており、評価結果が過大評価となっている可能性を指摘していた。World Labsはこの警告から14日後もそのモデルを比較ベースラインとして使用し、何ら開示を行わなかった。現時点でAtlasの評価結果を独立した第三者が再現した事例はなく、World Labsも評価コード・データセット分割・モデル出力を公開していない。
透明性の問題は評価にとどまらない。発表当日、World Labsは学術論文・arXivプレプリント・モデルカードを一切公開せず、学習データは「大規模で多様なコーパス」との説明にとどまり、パラメータ数と学習計算量も未開示であった。価格設定や正式公開日も示されず、早期アクセスパートナーのリストも公表されていない。
世界モデルにおける2つのアプローチの分岐
Atlasの発表により、世界モデルという概念における内部的な分化が明確になった。現在の市場には、性格の異なる2つの技術的アプローチが存在する。
Runwayはインターフェース世界モデルのアプローチをとっている。そのSolarisシステムはGen-4.5動画モデルをベースとし、ソフトウェアUIにフレームごとのリアルタイム生成能力を提供することを目標としている。ユーザーのクリック・ドラッグ・音声コマンドが動的にレンダリングされたインターフェースに直接変換され、出力解像度は720pで、主にショッピング体験や商品ビジュアライゼーションシーンを対象としている。Solarisは現時点でテキストレンダリングが不安定であり、アクセシビリティサポートも欠如しており、依然として研究段階にある。Runway Gen-4.5は2025年末の発売時に動画生成ランキングでトップを走っていたが、2026年7月にはトップ10圏外となり、ByteDanceのSeedance 2.0とAlibabaのHappyHorse-1.0が相次いでトップに立った。
Atlasはもう一方のアプローチを代表する。リアルタイムのインタラクティブインターフェースではなく、物理空間の高精度モデリングを目標としている。両アプローチは応用シーン・ビジネスモデル・支払主体がそれぞれ異なる。インターフェース世界モデルはコンシューマー向けソフトウェア開発者を対象とするのに対し、空間インテリジェンスモデルは映像VFX・産業シミュレーション・ロボット研究開発を対象とし、この種の顧客は支払意欲と契約規模が通常一桁違う。
資本構造と商業化のシグナル
World Labsの12億3,000万ドルの資金調達は2ラウンドで完了した。2024年の会社設立時に2億3,000万ドル、2026年2月に10億ドルの追加ラウンドを完了し、うちAutodeskが単独で2億ドルを投じ、AMD・NVIDIA・フィデリティも参加した。投資家の構成そのものがビジネス方向性を示している。AutodeskのコアプロダクトラインはAutoCAD・Maya・Revitを含み、建築・映像・工業デザイン市場に直接対応しており、これらの業界には高精度3D再構成への明確なビジネスニーズがある。AMDとNVIDIAが同一のモデル企業に同時出資していることは、戦略的な布石であると同時に、自社チップの学習能力をユーザーに向けてアピールするものでもある。
プロダクトロードマップとしては、World Labsは2025年11月に初の商用マルチモーダルモデルMarbleを発表し、2026年1月にはWorld APIで開発者向けアクセスを提供、2026年7月にはSceniXを買収してロボティクス関連能力を強化した。公式ブログによれば、AtlasはMarbleの後継バージョンを支えるとしている。このロードマップは、World Labsの商業化経路がAPIを主要チャネルとし、基盤モデルからアプリケーションプロダクトへの階層的マトリクスを段階的に構築するものであることを示している。
開発者・企業向けの実践的提言
3Dシーン再構成・カメラモーション制御・ロボットシミュレーションのニーズを持つ開発チームにとって、Atlasの早期アクセス資格への申請は優先すべき合理的なアクションである。ただし統合に関する意思決定については、独立した第三者評価結果の公開またはWorld Labsによる技術レポートの公開のいずれかを待つことを推奨する。それまでの間、Atlasを本番依存環境に組み込むリスクは主に次の点に集中する。ユーザーが正確なカメラトラジェクトリを提供できない場合、実際の性能がデモシーンと明確に乖離する可能性がある。
映像VFXや産業シミュレーション向けの企業ユーザーにとって、現段階で最も現実的な戦略は、Real-to-Simワークフローをパイロットシーンとして小規模検証を行うことであり、Atlasを本番ラインに直接組み込むことは避けるべきである。価格が未開示であることはTCO（総所有コスト）の見積もりを不可能にしており、この情報の欠如は調達意思決定における実質的な障壁となっている。
今後の見通し
World Labsの商業化経路が成立するかを判断するうえで、2つの観測可能な検証シグナルがある。第一は論文公開のペースである。Atlasが3〜6カ月以内に対応する技術レポートまたはarXivプレプリントを発表しなければ、研究コミュニティでの信頼性の確立が困難となり、大学・研究市場への浸透が制約される。第二は、Autodeskとの統合事例の公開時期である。2億ドルの株主であるAutodeskが12カ月以内にAtlasの3D能力を自社プロダクトに統合すれば、World Labsの商業化経路が明確化する核心的なシグナルとなる。そうでなければ、プロダクトはまだ磨き込みの段階にあることを意味する。
空間インテリジェンス分野のより深い技術的な賭けは次の問いにある。統合されたマルチモーダルモデルが、これまでそれぞれ独自に発展してきた3Dモデリング・動画生成・物理シミュレーションという3つの方向において、専門モデルを同時に上回り、かつ持続可能なスケーリング収益を維持できるかどうか。Atlasはこれに肯定的な技術的主張を行っているが、その主張を検証するために必要なのは独立した評価であり、発表日の自社ベンチマークではない。この検証結果こそが、空間インテリジェンスがAI基盤インフラにおける次の真の方向性となるのか、それとも資本ナラティブのもう一つのピーク時刻となるのかを決定づけるだろう。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接