World Labs 发布商用世界模型 Marble：文本图片生成可导出 3D 场景

如果说大语言模型教会了 AI 怎么读书写字，那么李飞飞现在想教 AI 学会看懂并构建三维现实。

由斯坦福大学教授李飞飞联合创立的 World Labs，正式推出了旗下第一款商业化产品 Marble。这家在去年带着 2.3 亿美元融资走出隐形状态的初创公司，把之前测试了两个月的技术全面推向市场，任何人现在都可以注册使用。

能直接导出网格的世界模型

世界模型这个词最近被聊得很多，像 Decart、Odyssey 乃至 Google 的 Genie，大家都在做。但 Marble 跟它们不太一样，甚至也不同于 World Labs 自家的实时模型 RTFM。

很多同类产品是在你探索走动的时候，在后台像播放即时生成的视频一样动态渲染场景。那种做法最大的问题是容易形变，走两步回头，刚才的门可能就变样了。

Marble 走的是另一条路。它生成的是一个固定的、持久存在的 3D 环境。你可以直接把做出来的世界导出为高斯溅射文件、3D 网格或者视频，甚至直接导进 Unreal Engine 或 Unity 等游戏引擎里。

输入方式也放宽了。测试期只能传单张图片，AI 往往要硬猜背面长什么样。现在不仅支持文字、单张图或全景图，还能上传多张多角度照片或一段短视频，让它还原出更接近现实的数字孪生空间。

像写网页一样把结构和风格分开

除了直接输入文字或图片让 AI 自由发挥，Marble 这次还拿出了一个叫 Chisel 的实验性 3D 编辑器。

联合创始人 Justin Johnson 用 HTML 和 CSS 打了个比方。Chisel 允许你先用简单的方块、墙面和平面把空间的大致布局摆出来，然后再用文字提示词去指定视觉风格。想挪动沙发，直接在界面里抓取代表沙发的方块换个位置就行，不用像以前那样反复修改提示词去碰运气。

如果你觉得生成的场景太小，Marble 还允许你在场景边缘做一次扩建，让模型在破碎的边界处补充更多细节。如果你想做一个特别宏大的空间，它还提供了一个组合模式，能把几个不同风格的世界拼在一起。

当然，现在的限制依然很明显。根据外媒上手体验，生成的空间虽然精细，但基本上走几步就会碰到看不见的边界墙，无法无止境漫游。边缘处的渲染有时还是会变形，甚至同样的提示词，现在的生成结果并不一定比测试版时更符合预期。

在价格上，Marble 分了四个档位。免费版每月可以生成 4 次，只支持文字、单图和全景图。要想用多图输入和高级编辑，需要购买每月 20 美元的标准版，含 12 次生成。想要商用授权和场景扩建，得买每月 35 美元的专业版，含 25 次生成。最贵的最高档每月 95 美元，包含 75 次生成。

为什么重要

我们认为，Marble 最大的价值在于它没有跟着大模型厂商去卷无法编辑的视频流，而是老老实实做出了真正的 3D 资产。

过去一年里，视频生成模型虽然惊艳，但对真正的游戏开发者或特效师来说，一段不能拆解、机位受限的视频几乎无法用于实际生产。Marble 生成的直接是网格和高斯点云，能够嵌入现有的 3D 制作管线。对于独立开发者、小型游戏团队或影视前期概念设计师来说，这套工具非常值得现在就去试一试，用来快速搭建环境原型或找灵感能省下大量时间。

但它的商业门槛依然不低。一个月 95 美元却只给 75 次生成，平均算下来单次生成的成本相当昂贵。以目前几步就会撞墙的范围限制，用户试错的代价很高。

在行业层面，游戏开发者对生成式 AI 的态度正变得更加审慎。今年游戏开发者大会的一项调查显示，三分之一的受访者认为生成式 AI 给游戏行业带来了负面影响，同比增加了 12%，大家普遍担忧版权侵权、能耗和劣质内容泛滥。

World Labs 很聪明地把 Marble 定位为已有管线的辅助原料，而不是试图取代游戏引擎和开发人员。从技术路线上看，这种结构与风格解耦的思路是成立的。但要在概念验证之外真正成为工业级生产力工具，它下一步必须证明自己生成的网格资产具备足够的拓扑规范度，且能支持更大规模、更高密度的物理交互。