李飞飞

阿里云Agentic Cloud：李飞飞提出企业级智能体三大要素，这是2026年AI落地绕不开的一个话题。云栖大会上，李飞飞详解阿里云Agentic Cloud战略，提出企业级智能体落地三大核心要素：模型能力、实时上下文Context、支撑迭代的Harness运行环境。阿里云规划打造50万卡广域超节点智算集群，支撑十万亿参数MoE大模型训练。 很多团队看趋势时容易被发布会和榜单带着走，但真正决定效果的，往往是这些基础细节。 引言？ 云栖大会上，李飞飞详解阿里云Agentic Cloud战略，提出企业级智能体落地三大核心要素：模型能力、实时上下文Context、支撑迭代的Harness运行环境。阿里云规划打造50万卡广域超节点智算集群，支撑十万亿参数MoE大模型训练。 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 三大要素解读？ 模型能力：从对话到执行，模型需要具备工具调用、长期记忆、错误恢复能力 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 实时上下文Context：Context Engine将企业全域数据转化为智能体实时决策依据 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 Harness运行环境：AgentCore、Agent Sandbox、CPFS等新品构成运行底座 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 目标将智能体运行成本降低一个数量级。这标志着AI从"模型竞赛"进入"基础设施竞赛"阶段。 结合2026年的行业实践，这件事已经从’可选项’变成了’必选项’，真正拉开差距的不是工具本身，而是团队围绕它建立的工作流。 硅基点评 趋势层面的判断已经很清楚：单点工具的红利在消退，工作流和方法论的价值在上升。与其追每一个新模型、新框架，不如把高频场景跑成稳定的流水线。建议从业者定期复盘自己的工具链，把重复动作沉淀成模板，把判断交给人、把执行交给AI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

引子：当AI开始"理解空间" 2026年，李飞飞创办的World Labs发布了Atlas世界模型。这件事为什么重要？因为它标志着AI的能力边界，又一次被重新划开——从"理解语言"，迈向"理解空间与物理世界"。 李飞飞在AI界的地位无需赘述——ImageNet之父，深度学习革命的关键推手。她离开谷歌后创办World Labs，押注的方向就是"空间智能"：让AI不只看懂一张图，而是理解这个世界在三维空间里如何运作、物体如何移动、因果如何发生。Atlas，就是这个愿景的第一次大规模落地。 Atlas是什么：从几张照片到一分钟世界 Atlas最打动人的能力，是它的输入输出规格。 项目 Atlas世界模型 出品方 World Labs（李飞飞） 类型 多模态世界模型 输入 1–6张照片 输出 约1分钟、1440p分辨率视频 理解这个能力的震撼之处，要想清楚它做了什么：你随便扔给它1到6张照片，它不是简单地把照片拼成一段幻灯片，而是在内部构建出一个可运转的三维世界，然后让镜头在这个世界里自由移动、让物体按物理逻辑运动，最终生成一段一分钟、1440p高清的连续视频。 这和传统的"视频生成"有本质区别。普通视频生成模型是在像素层面"脑补"下一帧， Atlas则是在理解空间结构后"推演"一个世界。前者看起来像视频，后者看起来像你真的走进了那个空间。 数据来源：World Labs官方发布与演示，2026年 为什么"世界模型"是下一个浪潮 要理解Atlas的价值，得先理解为什么"世界模型"被认为是AGI的下一座山峰。 语言模型解决的是"符号推理"——把世界压缩成文字来理解。但人类智能的底层，其实是对物理世界的直觉：东西会掉、墙会挡路、球会滚、镜头移动时物体会按透视关系变化。这种"物理直觉"，语言模型给不了。 智能类型 代表能力 代表模型 语言智能 文本推理、对话 GPT系列 视觉智能 看图、识别 多模态大模型 空间/世界智能 理解三维、推演物理 Atlas这类世界模型 世界模型的意义在于：它让AI第一次拥有了"在脑海里模拟世界"的能力。这不只是为了做酷炫的视频——这种模拟能力，恰恰是机器人、自动驾驶、仿真训练最需要的底层引擎。一个能在内部推演世界如何运转的模型，才能真正指导物理世界的行动。 从照片到世界：技术上难在哪 Atlas"1–6张照片生成一分钟世界"听起来简单，背后的技术难点却层层叠叠。 第一，三维重建与一致性。 给它几张不同角度的照片，模型必须在内部把它们重建成一个连贯的三维结构，保证镜头移动时墙面不穿帮、物体不畸变。这是几何与学习的结合。 第二，物理推演。 世界里的物体怎么动？重力怎么作用？光线怎么反射？Atlas必须学到某种"物理先验"，而不是随机抖动像素。 第三，时间一致性。 一分钟、1440p的视频，要保证每一帧之间空间关系稳定、光影连续、没有闪烁崩坏。这对长时序生成是极大考验。 Atlas能把这三点串起来，说明它在"空间表征"这个方向上已经达到了实用化的临界点。 行业影响：空间智能的外溢效应 Atlas的影响，会沿着几条线向外扩散。 第一，内容创作成本骤降。 过去要做一段有空间感的场景视频，需要3D建模、渲染、动画，成本高昂；现在几张照片就能生成。影视预演、游戏场景、虚拟空间的创作门槛会大幅下降。 第二，机器人与自动驾驶的仿真引擎。 这是World Labs真正的长远野心——用世界模型生成海量仿真训练数据，让机器人在"想象中的世界"里学会行动。这比在真实世界里一毫米一毫米地试，高效几个数量级。 第三，与具身智能合流。 当世界模型能理解空间物理，它就能给人形机器人这类具身智能提供"大脑级"的环境理解。Atlas不是孤立的视频工具，它是通向具身智能的一块垫脚石。 冷静的期待：世界模型还在童年 当然，冷静地看，Atlas目前仍是"惊艳的早期作品"。 一分钟1440p的视频虽好，但它生成的世界在长时间运行后，物理规律会不会崩？物体之间的复杂交互能不能稳定推演？从"生成一段好看的视频"到"作为可靠的仿真引擎驱动真实机器人"，中间还有很长的路要走。 世界模型这个方向，注定是一个"越用越准"的领域——需要海量的三维数据、物理交互数据去喂养。Atlas开了个好头，但它更像是这一纪元的起点，而非终点。 结语：AI开始拥有"空间想象力" 李飞飞的Atlas，让我们看到了一种全新的智能形态：AI不再只是读完了人类写的所有文字，它开始在自己的"脑海"里重建这个世界。 1到6张照片、一分钟1440p、可自由移动的三维空间——这些数字背后，是一种比文本生成更深层的理解。当AI有了空间想象力，它能做的就不只是回答问题，而是预演未来、模拟行动、在虚拟世界里试错。 这恰恰是通向具身智能、通向AGI的关键一跃。接下来最值得盯的，是Atlas这类世界模型如何与机器人、自动驾驶这些具身场景深度结合——那才是空间智能真正释放价值的地方。 更多关于世界模型与具身智能前沿的深度分析，请持续关注guijiagi.com。 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

9月2日李飞飞创办的World Labs发布世界模型Atlas，仅凭1-6张照片即可合成最长1分钟、1440p连贯运镜视频。多模态自回归扩散Transformer架构原生处理文本、图像、视频与3D深度。物理AI/具身智能成为投资人最关注方向，2026世界机器人大会发布311款新品。