20260903-光大证券-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_2页_135kb

报告摘要

李飞飞推出首个多模态世界模型，AI迎来里程碑

核心内容概述

2026年9月2日，由“AI教母”李飞飞联合创立的World Labs公司发布了全球首个多模态世界模型Atlas，标志着AI技术在世界建模领域迈出了重要一步。与此同时，谷歌也推出了两款新模型Gemini 3.8 Flash及Flash Cyber，进一步推动大模型的发展。随着技术进步和Token成本下降，AI下游应用场景正加速构建，成为市场关注的热点。

Atlas世界模型的核心能力

Atlas是首个从零完成预训练的全模态世界模型（Omni World Model），能够处理文本、图片、视频、3D深度等多模态信息。其采用多模态自回归扩散Transformer架构，具备以下四大核心能力：

相机控制生成（Camera-Controlled Generation）
- 输入相机内外参数，生成符合物理逻辑的视频。
- 支持从图像生成视频，视频长度可达1分钟，分辨率达1440P。
空间重建（Spatial Reconstruction）
- 基于输入图像重建真实世界场景。
- 性能已超越专门用于3D重建的先进模型。
时空模拟（Spacetime Simulation）
- 通过输入视频对空间与时间进行建模。
- 为机器人提供“真实世界到仿真工作流”的能力。
图像生成（Image Generation）
- 支持文生图像及360度全景图生成。
- 可处理复杂提示词，渲染多样视觉风格。

Atlas通过构建空间上下文（Spatial Context），将图像锚定在3D空间中，从而实现更精准的创意控制与生成。

谷歌Gemini 3.8 Flash模型亮点

谷歌在大模型领域持续发力，三周内推出Gemini 3.8 Flash及Flash Cyber两款新模型，显示出其快速迭代的能力。

Gemini 3.8 Flash是当前最强的推理与编程大模型。
具备长时间运行智能体的能力，完成复杂任务。
根据Artificial Analysis测评，Gemini 3.8智能指数达59分，输出速度达305 Token/秒。

Token成本下降与AI应用扩展

随着大模型技术的成熟和国产开源模型的发展，AI的Token成本持续下降：

LLM Token支出指数本周初跌破1美元，较今年5月下跌超50%。
国产开源模型如GLM-5.3-Flash（320B-A18B）和DeepSeek-V4-Pro-0813，显著提升了模型性能与效率。
- GLM-5.3-Flash综合智能指数达57分，编程能力媲美Claude Opus 4.8。
- DeepSeek-V4-Pro-0813在多项智能体测试中表现优异，甚至在部分项目中超越Claude Fable 5。