李飞飞推出首个多模态世界模型，AI迎来里程碑！AI下游场景加速构建

来源：光大证券微资讯

“AI教母”发布全新世界模型，AI再迎里程碑产品！

9月2日，有着“AI教母”美誉的斯坦福大学教授李飞飞带领初创公司World Labs，重磅发布全球首个多模态世界模型Atlas。Atlas是从零完成预训练的全模态世界模型（Omni World Model），可以处理文本、图片、视频、3D深度等各类信息。Atlas采用了多模态自回归扩散 Transformer架构，可以高保真生成、模拟物理世界，具备相机控制生成、空间重建、时空模拟、图像生成等四大能力。

同一时间，谷歌推出两款新模型Gemini 3.8 Flash及Flash Cyber，在智能体工作流及长周期编程方面取得重要进展。谷歌三周前刚刚发布Gemini 3.7 Flash模型，公司加速推动大模型发展。

展望未来，随着大模型技术不断进步、Token成本持续回落，AI下游应用场景有望加速扩展。

1、李飞飞打造首个多模态世界模型，谷歌火速发布Gemini 3.8 Flash

近一段时间，全球科技巨头加速推动大模型发展，竞争日趋激烈。然而，作为前沿领域世界模型，仍有较大进步空间。

斯坦福大学教授李飞飞联合创立的AI公司World Labs，深耕于世界模型领域，公司目标是打造可以生成、重建、模拟任何形式世界的AI大模型，此类模型可以深度理解真实世界逻辑及严谨趋势，还可以帮助机器人规划行动。

9月2日，World Labs发布了新一代多模态世界模型Atlas，采用了多模态自回归扩散 Transformer架构，所有输入的信息都可以被组合进一个空间上下文中，并可以使用相关信息来生成接下来出现的内容，并可以实现3D一致性。

Atlas可以完成如下核心任务：

①相机控制生成（Camera-Controlled Generation）

所谓的相机控制生成，就是输入相机外部参数与内部参数，大模型就可以生成符合物理世界逻辑的视频，甚至可以达成电影级别的运镜。

Atlas可以根据一张或多张图像生成图像或视频，视频长度可达1分钟，分辨率达到1440P。

②空间重建

Atlas可以根据输入的图像信息来重新构建真实的世界场景，性能已经超越专用于3D重建的先进模型。

③时空模拟

Atlas根据输入的视频来重新对空间、时间建模，帮助机器人实现“真实世界到仿真工作流”。

④图像生成

Atlas可以实现文生图像及360度全景图，能够处理复杂的提示词、渲染文本，进而生成多样视觉风格的图像。

与LLM类似，Atlas将多模态信息编入上下文中。与文本上下文不同，Atlas构建的空间上下文（Spatial Context），可以将每张图像锚定在3D空间位置中。有了空间上下文，Atlas就可以帮助用户实现全新的创意控制，比如仅靠两张不相关的图像及其空间上下文便能生成一个模拟世界。

除了Atlas世界模型，谷歌的Gemini 3.8大模型也成为焦点。谷歌三周前刚刚发布Gemini 3.7 Flash，此次快速推出两款新模型Gemini 3.8 Flash及Flash Cyber，标志着谷歌在加速推出新产品。

谷歌认为，Gemini 3.8大模型是现在最强的推理、编程大模型，可以长时间运行智能体来完成复杂的工作。根据Artificial Analysis的独立测评结果，Gemini 3.8智能指数达到59分，输出速度可以达到305 Token/秒。

2、国产开源模型带来Token成本下降，AI应用成行业热点

根据Silicon Data编制的LLM Token支出指数，大模型Token平均支付成本本周初跌破1美元，较今年5月下跌超50%。

LLM Token支出指数回落原因较为复杂，算力芯片性能提升促进Token成本下降，同时国产开源大模型也促进成本下降。

8月底，智谱上线并开源GLM-5.3-Flash（320B-A18B），该模型即为业界热议的匿名模型Ox-Alpha，参数高达3200亿，激活参数180亿。GLM-5.3-Flash能力已经超越GLM-5.2，综合智能指数高达57分，编程能力可以与Claude Opus 4.8相媲美。

8月12日，DeepSeek官网API文档更新，正式确定DeepSeek-V4-Pro-0813。与预览版相比，V4-Pro-0813在智能体方面的能力继续提升，这成为该模型的重要看点。根据媒体援引的官方评测对比表数据，V4-Pro-0813在智能体多项测试中表现大幅提升。

与Anthropic旗舰大模型Claude Fable 5相比，V4-Pro-0813在多项测试中的表现已经十分接近，甚至在部分项目中实现成绩超越。

随着大模型技术持续提升，AI下游应用场景逐渐成为市场热点。日前AI长剧《后西游记》火爆出圈，该剧为国内首部深度使用AIGC全栈技术的长剧，第一季共30集，每一集40分钟。《后西游记》采取边制作、边审、边上线的模式，首批播放的五集内容为《花果山篇》。

依靠强大的AIGC能力，影视院线公司有望提升内容制作效率、降低制作成本。

此外，多家科技巨头持续推动AI消费电子发展，AI PC、AI手机等产品日益丰富，这将为资本市场带来新机遇。

（本文首发于2026年9月3日）

李泉

投资顾问执业编号：S0930622070004

基金从业编号：A20211203001155

本文源自：券商研报精选