今天起，李飞飞 AI「造世神器」人人可用，一句话打造 3D 世界

Marble，终于来了。

没错，就是两个月前在 AI 圈刷屏的那个 3D 世界生成模型。李飞飞旗下的 World Labs 刚刚官宣向全体用户开放，还一次性放出了一大波新功能。

多模态生成：支持文本、单图、多图 / 视频、3D 布局等多种输入方式

AI 原生编辑：可对生成的 3D 世界进行局部替换和结构调整

世界扩展与组合：自动填充边缘区域，拼接多个场景

Chisel ：用方块搭框架，AI 自动填充风格细节

全格式导出：支持高斯点云、三角网格、视频等多种格式，可直接导入游戏引擎

现在的使用门槛已经相当低。输入一段描述性文本，或者上传一张照片，AI 就能生成一个完整的 3D 世界。一套连招打下来，传统 3D 建模师可能得重新思考职业规划了……

附体验地址：https://marble.worldlabs.ai/

李飞飞放大招，一句话生成完整 3D 世界

先直接上案例，看看 Marble 在文本生成上的真实水平。

▲ 文本提示词：一个住过人的霍比特厨房，摆满了编织篮子和铜壶，沐浴在宁静的浅蓝色日光中

如图所示，一个完整的 3D 厨房场景就这样呈现在我们面前，木质家具、铜制器皿、光影细节，一应俱全。

更考验理解能力的来了。看看这个抽象描述：

▲文本提示词：一个融合中世纪餐厅美学与轨道科技的空间站厨房，拥有棋盘格地板和不锈钢装置，在柔和的水绿色灯光下熠熠生辉

面对这种跨越时空的混搭风格，AI 依然能准确拿捏。

我自己也做了一轮测试。尝试生成一个森林场景后发现，虽然苔藓贴图略显重复，但树干纹理细节清晰，林间若隐若现的雾气也营造出了应有的氛围感。

除了纯文本，Marble 还支持更丰富的创作方式：

单图生成：丢一张图片进去，AI 自动补全 360 度全景视角

多图 / 视频生成：从不同角度拍几张照片，AI 自动拼接成完整 3D 空间

3D 布局生成：用基础几何体搭建框架，AI 负责填充所有细节

我也测试了单图生成功能，上传一张普通房间的照片后，大约 6 分钟得到成品，仔细观察可以发现，和预览版一样，边缘形变问题还是比较严重，希望后续能够得到优化，但就作为一个初期产品来说，目前的完成度已经相当能打。

从灵活性来看，这套多模态输入的设计思路已经远超市面上大多数同类工具。

而生成只是第一步，更值得关注的是后续的编辑能力。

Marble 还是业内首款原生集成 AI 编辑工具的模型，可以对生成的世界进行深度改造。比如在局部替换中，想移除垃圾桶？一句话搞定，AI 会自动处理场景和光影变化。

如果想大幅调整结构，比如要把餐厅后墙改造成舞台，把桌子换成面向舞台的矮凳？也能轻松实现。换句话说，这种编辑不是简单的图片处理，而是真正理解 3D 空间结构之后的智能调整。

除此之外，「世界扩展」功能同样强大。生成的场景边缘部分有些模糊？点击「扩展」按钮，AI 会自动生成更多内容来填充那片区域。想要更大的空间？用「组合模式」把多个世界拼接起来。

官方演示里就拼出了一整列火车车厢。这套工具链用下来，从创意概念到成品交付的周期被大幅缩短。

如果说生成和编辑功能还算意料之中，那 Chisel 这个工具就有点降维打击的味道了。

简单来讲，Chisel 把「结构」和「风格」彻底分离：

第一步：用立方体、平面等基础几何体搭建空间框架（就像玩乐高）

第二步：写一段文本描述视觉风格（比如「现代艺术博物馆」或「斯堪的纳维亚风格卧室」）

第三步：AI 自动将框架填充成完整的 3D 世界

更厉害的操作是，同一套框架，换个文本提示，能生成完全不同风格的场景。比如框架保持不变，提示词改为「现代艺术博物馆」，得到的是极简白墙配抽象画作。

▲ 一个美丽的现代艺术博物馆，铺有木质地板，馆内陈列着色彩斑斓的画作和曲线优美的雕塑。

又或者，框架保持不变，提示词改为「北欧卧室」，呈现的是温馨木质家具配冰川窗景。

▲ 一个宁静的斯堪的纳维亚风格客房卧室，窗外可欣赏到壮丽的冰川景色。

这种玩法有点像前端开发里 HTML 定结构、CSS 定样式的逻辑，但应用到 3D 建模领域就显得格外高效。正如 World Labs 联合创始人 Justin Johnson 在采访演示时说：「我可以直接选中代表沙发的 3D 块，拖动到别的位置。」

传统建模软件里需要调整许久的操作，在 Marble 里变成了拖拽方块……

此时此刻，建模师们的心情想必很复杂。

那么，创建完成的 3D 世界该如何使用？Marble 提供了三种导出方案：

高斯溅射 ( Gaussian Splats ) ：最高保真度的表示方式，适合实时渲染，可以直接在浏览器里运行。

三角网格 ( Triangle Meshes ) ：分为低精度碰撞网格和高精度渲染网格，可以直接导入 Unity、Unreal Engine 等游戏引擎。

视频格式：支持像素级镜头控制，还能用 AI「增强」——自动添加烟雾、火焰、水流等动态效果。

▲ Marble 可以将生成的世界导出为高斯点云或三角网格模型。

官方新闻稿里的大部分视频，都是直接用 Marble 渲染生成的。通过串联这整套工具链串联，从概念到可用资产的流程被极大简化。

▲增强后的视频能够清除画面瑕疵，并为场景加入动态效果。注意烟囱上方的烟雾、跳动的火焰，以及流动的水面。

游戏开发者可以用 Marble 生成背景环境，导出到引擎里再添加交互逻辑；影视团队可以用它快速搭建场景预览，进行镜头规划；VR 内容创作者甚至可以直接把生成的世界放进 Vision Pro 或 Quest 3 里体验。

好家伙，兜兜转转我们还是回到了元宇宙。

定价策略方面，Marble 用了分级订阅制：

免费版：每月 7000 点数，最多生成 4 个世界，支持文本 / 图像 / 全景输入。适合尝鲜用户，但高级功能都被锁定。

标准版（20 美元 / 月）：每月 20000 点数，12 个世界，解锁多图 / 视频输入、Chisel 模式、基础导出功能。

专业版（35 美元 / 月，首月 1 美元）：40000 点数，25 个世界，支持场景扩展、视频增强、高分辨率网格导出，附带商业使用授权。

旗舰版（95 美元 / 月）：120000 点数，75 个世界，全功能解锁。

显而易见，免费版的门槛足够低，能吸引大量用户试用。但想真正用于生产环境，基本上得选专业版。首月 1 美元的限时优惠也很有诱惑力，明摆着就是想让你先上车体验。

Marble 发布后，各方反应相当两极化。

Y Combinator CEO Garry Tan 在推特上直言：「李飞飞是一个传奇人物，而这次发布意义重大。」一些独立游戏开发者和 VR 创作者也在社交媒体上表态，认为 Marble 大幅降低了 3D 内容制作的门槛。

不过质疑声也不少。

最近的游戏开发者大会（GDC）调查显示，三分之一受访者认为生成式 AI 对游戏行业带来负面影响，比前一年上涨了 12%。关注点包括：知识产权侵权、能源消耗过高、AI 生成内容质量下降、导致行业裁员等。《

Wired》此前报道，包括 Activision Blizzard 在内的游戏公司，正在用 AI 压缩成本和应对人员流失。

面对这些质疑，Justin Johnson 的回应是：「Marble 不是用来完全替代游戏制作流程，而是为你提供可以直接使用的资产。」但实际情况会不会如他所说，还得看市场怎么用。

李飞飞的北极星：空间智能

就在 Marble 发布前几天，李飞飞专门发表了一篇长文阐述她的愿景——空间智能（Spatial Intelligence）。

核心观点可以总结为：

大语言模型虽然语言能力很强，但对物理世界几乎一无所知。它们无法准确估计距离、方向，无法在脑中「旋转」物体，也无法预测基本的物理规律。

对比之下，人类智能的核心不是语言，而是对三维空间的理解和操作能力。从驾驶汽车到接住钥匙，从设计建筑到发现 DNA 双螺旋结构——都依赖空间智能。

按照李飞飞的规划，空间智能的应用将分三个阶段：

近期（创造力）：游戏、电影、建筑设计（Marble 目前在做的）

中期（机器人学）：通过模拟环境训练机器人，让它们学会在真实世界中行动

长期（科学突破）：药物研发、材料科学、医疗诊断、沉浸式教育

博客中，李飞飞明确表达：「如果没有空间智能，我们对真正智能机器的梦想就无法实现。」

愿景是宏大的，但现实更复杂。

世界模型这个赛道，也不止 World Labs 一家在较劲。

目前市面上还有这么几位选手：Decart 推出了免费演示版，主打实时生成；Odyssey 同样提供免费试用，但功能较基础；Google Genie 还在研究预览阶段，尚未商业化。

对比之下，Marble 的核心优势说起来也挺明显。它生成的是持久化的完整 3D 世界，不是那种边探索边生成的模式，可以大幅减少变形和不一致的问题。

更关键的是，Marble 率先实现了商业化落地，免费版加付费订阅的模式已经开始变现。从工具链的完整度来看，Marble 也是最全面的，从生成到编辑再到导出，整个流程一气呵成，不需要在多个平台之间倒腾。

从 ImageNet 到空间智能，李飞飞的学术生涯一直在做同一件事：让机器理解视觉世界。ImageNet 教会了 AI「这是什么」。而 Marble 想教会 AI「这在哪里、如何运动、怎么交互」。

前者催生了深度学习革命。后者会不会引爆下一场范式转移？现在下结论还太早。但至少目前看来，这个方向足够性感，也足够硬核。

OpenAI 继续卷 LLM，李飞飞押注空间智能……这场技术路线的豪赌，胜负或许就在这几年揭晓。