高德 ABot-WorldStudio:把「交互式视频生成 + 3DGS 场景生成」装进同一个工坊,单张 5090 跑 1 小时不崩

高德(阿里旗下)7 月 14 日发布通用世界模型工坊 ABot-WorldStudio,同步开放测试。

这条消息第一眼看起来像是「大厂又发世界模型」。但仔细读完官方介绍后,我觉得这是 2026 H2 中国世界模型赛道里「工坊化」转型的代表动作——不再是发一个模型,而是发一个让用户可以自己生成世界的产品。

而且这个工坊有几个工程数据,在同类产品里相当能打。

事件内容

产品定位:通用世界模型工坊(World Model Studio)。统一交互式视频生成和 3DGS 场景生成两类世界模型技术路径。

输入:一段文字,或一张图片。

输出:可实时交互、任意分享的 AI 世界;可保存为视频或 3DGS 文件。

关键工程数据:

– 单张 5090 即可本地部署(消费级 GPU,无需专用算力); – 单次连续推理稳定运行超过 1 小时,全程无崩溃、无质量衰减——官方对比同类世界模型的生成上限大多在 1 分钟左右; – 架构层面不设推理时长上限。

核心创新:「时空任意门」机制。每个 3D 世界里嵌入「任意门」,你可以穿越到一个全新的 3D 世界。比如江南水乡的木门后链接一座赛博城市,或者风陵渡的渡口直通雁门关关隘。原本孤立的场景被编织成一张「无界探索网络」。

底层模型:ABot-World 系列,包含:

– ABot-World0:视频生成模型。把场景漫游与角色控制一体化建模,大幅提升控制精度,通过算法优化缓解误差累积; – ABot-3DWorld0:3D 生成模型,与此前发布的 ABot-Earth0.5 共享同一推理路径,全球首次实现同一架构贯通室内、街景、城市航拍的全尺度空间生成; – 采用「生成—评估—修复」模块化设计,确保高保真、长时序场景生成的质量稳定可控。

全部开源:ABot-World 系列模型均已全面开源。

应用方向:

– 具身智能:为机器人提供专项训练的仿真训练场; – 内容创作:支撑游戏世界的无边界探索,影视分镜素材生成(创意验证周期从数周压缩到小时级); – 文旅教育:用户以第一视角走进名画现场或过往文明,从旁观者变为亲历者。

深度剖析

世界模型目前有两条主流技术路径:

第一条是交互式视频生成(World Labs、Genie 2、Matrix Game、Ctrl-World 都是这条)。优势是沉浸感和交互性,劣势是视频播完交互就结束,用户没法持续探索——本质上是「一段视频」的范式。

第二条是 3D 场景生成(Gaussian Splatting 类技术,World Labs Marble、3DGS、Blockade Labs Skybox 都是)。优势是构建高保真的空间资产,劣势是世界之间缺少连续性,探索范围受限于单一场景——本质上是「一个场景」的范式。

高德的创新在于把这两条路径首次统一在同一个产品里。这是范式意义上的突破——之前两类模型在工程上完全是两套 pipeline(视频生成用 diffusion/自回归 transformer + 时序建模,3DGS 用 point-based rendering + 高斯椭球优化),ABot-World Studio 把它们融合,实现了「实时探索 + 永久记忆」。

我特别想提三个工程细节:

第一个是 1 小时不崩。这是世界模型里非常硬核的指标。视频生成模型随着时间增长会出现「误差累积」——画面里的物体几何会漂移、光照会不一致、角色会变形。能跑 1 小时不衰减,说明 ABot-World0 在「场景漫游 + 角色控制一体化建模」上的算法优化非常扎实,大概率用了某种形式的记忆模块或 self-consistency 校验。这个指标比 World Labs Genie 2 的「几分钟」长了一个数量级。

第二个是单张 5090 可跑。消费级 GPU 跑 1 小时不崩的世界模型,在 2026 H2 之前几乎不存在。这背后要么是模型做了大量 INT8/FP8 蒸馏,要么是推理路径上有激进的算子融合。无论哪种,意味着这个工坊对个人开发者是真正可用的,不是「跑得动但你买不起」的演示。

第三个是「任意门」的设计。这个机制看似花哨,实际解决的是「世界之间的连续性问题」——3DGS 场景之间天然不连续,你从场景 A 走到场景 B 要么加载延迟,要么边界崩。ABot 的方案是让每个 3D 世界里嵌入一个语义化的「门」,用户可以通过穿越「门」实现世界跳转。这比 World Labs Marble 那种「一次性生成一个固定场景」往前走了一步,世界不再是一次性资产,而是可组合的内容。

另外要注意的是ABot-Earth0.5 的存在。这是高德此前发布的、能在「同一架构」下生成室内 / 街景 / 城市航拍三种空间尺度的世界模型。高德做这件事的天然优势是地图数据——它是国内最大的地图服务商,室内 POI、街景数据、城市 3D 建模数据是其他玩家拿不到的。ABot-Earth0.5 → ABot-WorldStudio 是「地图数据 → 世界模型」的垂直整合。这条路径如果走通,高德有可能成为「世界模型领域的中国版 Google Earth」。

值得关注的原因

第一,世界模型从「模型」走向「工坊」是产品形态的关键转变。之前的世界模型发布都是「我有一个 X 参数的模型,benchmark 上超过 Y」。ABot-World Studio 是「你给我一个 prompt 或图片,我给你一个可分享、可探索、可保存的世界」。这是 to-C 产品形态的雏形,意味着世界模型开始有商业化路径——而不是只有 demo 视频。

第二,中国世界模型赛道在 2026 H2 出现「垂直整合」。高德(地图)、腾讯混元(社交/游戏)、蚂蚁 LingBot(具身)、阿里 Page Agent(网页 DOM)、字节 Seed(评测)各有侧重。世界模型的中国席位正在从「各家都做通用视频生成」变成「按母公司的数据资产做差异化」。

第三,具身智能的训练数据问题有了新解。ABot-World Studio 官方列的第一个应用就是「为机器人提供专项训练的仿真训练场」。这和 Xiaomi-Robotics-U0(07-13 报道)的「世界基础模型作为具身数据引擎」是同一条思路——具身智能的下一个瓶颈是训练数据,世界模型是低成本生成数据的最佳工具。

第四,「任意门」机制是产品形态创新。之前所有世界模型都把场景当成「独立资产」,ABot 第一个把场景之间打通。这是世界模型从「资产」变成「空间网络」的第一步。如果「任意门」机制被业界跟进,会改写世界模型的产品形态。

第五,「单张 5090 可跑」是开源世界模型对个人开发者的友好性升级。之前的世界模型(Genie 2、Cosmos)对硬件要求高,个人开发者基本只能用云 API。ABot 开源 + 5090 可跑,意味着大量个人开发者可以直接 fork、修改、部署,这是「世界模型大众化」的关键工程门槛。

风险与待观察

– 生成质量上限。1 小时不崩是关键工程指标,但「不崩」不等于「高质量」——实际生成画面的分辨率、物理合理性、文本响应一致性需要看实际 demo。建议等开源 repo 出来后跑跑看。 – 3DGS 文件大小。长时序 3DGS 资产会非常吃存储,「江南水乡到赛博城市」这样任意门跳转的资产规模能压缩到什么程度,决定了产品是否真正「可分享」。 – 商业化路径。官方列了具身、游戏、影视、文旅教育四个方向,但没说定价和计费模式。是开源免费 + 云服务收费?还是工坊订阅 + 模型付费?这决定了产品能不能跑通 PMF。 – 与高德地图业务的关系。官方没明说 ABot-WorldStudio 是不是会和「高德地图」整合。如果整合,这是一个亿级 DAU 的入口,世界模型有可能直接成为地图的「下一形态」。 – 「任意门」机制的开放性。当前看是平台内置的机制,用户能不能自己创建「任意门」?能不能在「门」之间定义规则?这个开放性决定了它能不能成为「UGC 世界网络」的雏形。 – 与 Wayve GAIA、Tencent HunyuanWorld、NVIDIA Cosmos 的差异化。高德走「地图数据 + 3DGS」,Wayve 走「自动驾驶世界模型」,Tencent 走「游戏资产生成」,NVIDIA 走「物理仿真」。ABot-World Studio 的「交互式视频 + 3DGS 统一」在每个赛道上都不是最强,但跨赛道的产品形态可能是其优势。

来源:IT 之家「内置任意门,高德发布通用世界模型工坊 ABot-WorldStudio」(https://www.ithome.com/0/976/538.htm)