歡迎星標 果殼硬科技

在電影《盜夢空間》里，造夢師 Ariadne 第一次向 Cobb 展示操縱夢境的能力時，輕輕轉動手腕，整個巴黎街區像折紙一樣翻轉、折疊，物理法則在想象力面前瞬間失效。

那時候我們覺得，這是諾蘭的炫技，是好萊塢的特權。

直到最近，那個平時只會提醒你"前方擁堵"的高德地圖（AMAP），突然發布了一個名為Fantasy World的世界模型，并在權威測試WorldScore中拿下了榜首。這一測試是由AI教母李飛飛團隊于2025年4月提出的開源基準測試，用于統一評估多模態世界生成模型（如3D/4D場景生成、視頻生成）的性能，作為首個支持跨模態可比評測的國際標準，也是各大頂尖模型的演武場。

高德這事兒多少有點反直覺。就好比你以為隔壁老王是個修自行車的，結果有一天他從車庫里推出來一臺核聚變反應堆。

看似不務正業，實則草蛇灰線。高德這次"不講武德"的霸榜，可能標志著地圖行業正在經歷一場從"記錄世界"到"生成世界"的范式轉移。

高德FANTASYWORLD概覽

老實人手里的核武器

在科技圈，數據是唯一的通用語言。但在看數據前，我們需要先看懂"標尺"。

在世界模型領域，WorldScore設立了兩個"北極星"指標：WorldScore-Static（靜態世界得分） 和WorldScore-Dynamic（動態世界得分）。

WorldScore-Static是基石。它考核的是"造物"的穩定性——當你命令 AI 生成一個房間，墻壁會不會因為鏡頭轉動而扭曲？桌子會不會憑空消失？它代表了 AI 對空間結構的理解。

WorldScore-Dynamic是進階。它考核的是"演化"的合理性——水流是否自然？車輪是否貼地？它代表了 AI 對物理規律的模擬。

大多數網紅視頻模型，往往在 Dynamic 上表現搶眼，畫面熱鬧非凡，但在 Static 上卻容易"穿幫"。而高德的Fantasy World，做了一件極具工程師思維的事：死磕 Static。

在最具挑戰性的"大運動幅度"（Large Motion）測試中，Fantasy World在決定WorldScore-Static表現的核心子項——3D 一致性（3D Consistency）上，拿到了81.1的高分。作為對比，許多主流競品在這一項的得分往往只有十幾分。

這是維度的碾壓。

為什么差距這么大？因為之前的模型本質上還是個"畫家"，擅長光影，不懂空間。一旦鏡頭拉升，樓房可能會歪，車子可能會瞬移。它們懂得美學，但不懂物理。

而高德的Fantasy World，采用了一種"幾何一致性世界建模"（Geometry-Consistent World Modeling）的架構。簡單說，它在生成視頻的單一前向推理（Single Forward Pass）的瞬間，直接"腦補"出了場景的三維結構（深度、點云、相機軌跡）。

FANTASYWORLD框架概述：輸入（圖像、文本、相機）由預條件塊和堆疊的集成重建與生成塊處理，其中非對稱雙分支設計將視頻合成與3D推理耦合。模型輸出幾何一致的視頻幀和任務無關的3D特征。

這種"手搓 3D"的能力，讓它生成的視頻不僅好看（Dynamic），更是極其保真（Static）。這就像是把《黑客帝國》里的代碼流，實時渲染成了肉眼可見的真實世界。

高德的"醉翁之意"

很多人會問：高德圖啥？難道以后要轉型去做動畫片，去搶皮克斯的飯碗？

如果只把世界模型看作是生成視頻的創作者工具，那你不僅看低了阿里，也看低了 AI 行業的野心。在商業的棋盤上，這其實是一場關于"訓練數據生成"的降維打擊。

大家知道，自動駕駛行業現在最大的痛點不是算力，是數據。尤其是那些Corner Case，極端案例。

你要訓練一輛自動駕駛汽車，你得讓它跑過暴雨天的立交橋，大雪覆蓋的鄉村土路，甚至還要遇到逆行的老頭樂。在現實世界里收集這些數據，成本高到令人發指，而且極其危險。

這時候，Fantasy World極高的WorldScore-Static價值就出來了。它就是一個"上帝模擬器"。

正因為它能構建出幾何結構極其穩定的靜態世界，高德就可以配合海量的真實地圖數據，在虛擬世界里憑空造出無數種復雜的路況。想造什么路就造什么路，且保證路是"平"的，墻是"直"的，不會把自動駕駛算法帶到溝里去。

對于智駕算法來說，這就是一個無限且免費的練兵場。

看似是在搞視頻生成，其實是在給自動駕駛"喂飯"。 這種"虛實相生"的打法，才是互聯網大廠最擅長的暴力美學。

阿里與Google的殊途同歸

有趣的是，大洋彼岸的Google也在做類似的事情，但兩家的路數，卻有著微妙的體感差異。

Google 有Genie模型，也有Maps里面的沉浸式視圖。而Genie更像是一個游戲引擎，側重于WorldScore-Dynamic維度的交互，讓你能像玩《我的世界》一樣控制角色跳躍；而 Maps 的沉浸式視圖則是基于NeRF的靜態重建，雖然真實，但缺乏動態生成的靈活性。

Google 是左手娛樂，右手數字孿生。而阿里則是典型的實用主義者。

Fantasy World更強調"高保真"和"物理準確性"，這顯然是奔著解決實際業務問題去的。除了反哺智駕，未來的導航可能不再是冷冰冰的箭頭，而是一個光影真實的 3D 預覽——你不必親自去現場，就能"飛"進那個路口，看看停車位到底窄不窄。

這就像當年的移動互聯網前夜，Google 做安卓是為了生態，蘋果做 iOS 是為了體驗，雖然路徑不同，但最終都指向了同一個終局：重塑物理世界與數字世界的連接方式。

AGI 的船票：告別"缸中之腦"

如果我們將視角拉得更遠一些，會發現高德此舉的野心或許不止于地圖和智駕。

在人工智能的終極圖景里，世界模型被視為通往AGI（通用人工智能）的必經之路，或者說，是一張"船票"。

目前的LLM（大語言模型），本質上更像是一個"缸中之腦"。它閱讀了人類所有的書籍，能背誦牛頓三大定律，但它從未見過蘋果落地，也從未感受過風的阻力。它只有語言的邏輯，沒有物理的常識。

而Fantasy World論文摘要的第一句就直言不諱：“高質量的 3D 世界模型是通往具身智能和 AGI 的關鍵。”

為什么？因為AGI需要一個真實的"容器"。

當高德死磕WorldScore-Static，確保生成的每一幀畫面都符合3D 幾何一致性時，它其實是在教 AI 理解"空間"的本質——墻是硬的，路是平的，物體不會憑空消失。

只有理解了這些，AI 才能從處理文本符號，進化到處理物理世界的復雜性。從這個意義上說，Fantasy World搭建的不僅僅是一個虛擬場景，而是未來 AI 靈魂棲息的軀殼。

技術從來不是為了取代現實。以前地圖的作用是"索引"，它告訴你世界是什么樣的；未來，地圖的作用可能是"生成"，它讓你決定世界可以是什么樣的。當光影不再昂貴，當物理法則可以被代碼重寫，我們離那個"虛實相生"的未來，可能只差一個世界模型的距離。

論文信息

• 文章標題：

  FantasyWorld: Geometry-Consistent World Modeling via Unified Video and 3D Prediction

• 發布期刊：arXiv

• 發布時間：2025年9月25日

• 文章標題：

  WorldScore: A Unified Evaluation Benchmark for World Generation

• 發布期刊：OpenAI官網

• 發布時間：2025年4月1日

陳言｜作者

吳歐｜編輯