原文標題：
※請勿刪減原文標題
李飛飛World Labs首款產品Marble登場！給一句提示就可生成3D世界，空間運算有何商業
潛力？
原文連結：
※網址超過一行過長請用縮網址工具
https://www.bnext.com.tw/article/85088/marble-world-model
發布時間：
※請以原文網頁/報紙之發布時間為準
2025.11.13
記者署名：
※原文無記載者得留空
陳建鈞
原文內容：
由AI教母李飛飛共同創辦、著眼空間運算的新創World Labs，如今推出了首款商業化產品
Marble，用戶可輸入文字、圖片或影片，即可生成一個完整的立體空間。
根據《TechCrunch》報導，距離World Labs宣佈完成2.3億美元募資大約一年時間，這間
新創公司便發布了這款生成式世界模型產品。兩個月前，該模型以Beta預覽版的形式推出
，現在也正式推出服務。
一句話、一張圖生成小小世界，世界模型「Marble」正式上線
Marble的核心能力是讓使用者透過多模態輸入，將文字提示、照片、影片、3D佈局或全景
圖，轉換為可編輯和下載的3D環境。李飛飛向媒體表示，世界模型是生成式AI時代的重大
發展，「大型世界模型是釋放AI潛能的重要一步。」
與其他生成式模型最大的差異在於，Marble是直接建立一個完整的3D環境，並且可供下載
，而不是在用戶探索過程中即時生成的世界。World Labs 表示，這能減少畫面變形或不
一致的問題，並讓用戶後續加工利用。
Marble的共同創辦人賈斯汀．強森（Justin Johnson）表示，這是一個「生成 3D 世界的
一個全新類別的模型」。強森指出，Marble未來的一個方向是創意應用，聲稱該服務具備
完善的編輯工具讓用戶反覆調整場景，其成果預計可以運用在遊戲、視覺特效和VR產品之
中。
不過，目前遊戲產業對AI的看法仍然好壞參半，近期一次遊戲開發者大會上的調查顯示，
約有3分之1受訪者對AI如何影響遊戲產業抱持負面看法，較去年的調查高出12個百分點，
AI生成內容的低劣品質、侵權等問題是許多從業人員不滿的原因。
目前在Marble網站上，用戶可以瀏覽不同作者生成的大量3D世界，又或者透過輸入提示詞
、上傳圖像影片自行創造心目中的虛擬世界。
Marble現在提供四種分層付費方案：
免費方案：提供四次文字、圖像或全景圖生成。
標準方案：每月 20 美元，包含 12 次生成，並支援多圖/影片輸入和進階編輯 。
專業方案：每月 35 美元，包含 25 次生成，提供場景擴展和商業權利 。
極致方案：每月 95 美元，包含所有功能和 75 次生成
看好空間智慧成AI新領域，李飛飛為「世界模型」寫下定義
且在World Labs推出首款產品之前，李飛飛發表了一篇宣言，聲稱空間智慧會是AI技術發
展的下一個新領域。她首先點出了大型語言模型當前的限制，形容它們就像是身處黑暗中
的語言大師，「能言善道卻缺乏經驗，博學多聞但沒有根基。」
她指出，空間智慧徹底改變創造及體驗現實與虛擬世界的方式，顛覆敘事、創造、機器人
技術、科學發現等眾多領域。尤其是機器人技術，她認為缺乏對物理世界的感知及理解能
力，是機器人技術發展的最大限制，賦予機器人空間智慧將對眾多產業帶來深遠影響。
不過世界模型目前仍是個相對模糊的新興概念。例如，Meta首席AI科學家楊立昆（Yann
LeCun）認為它是AI發展的未來，但更側重於AI的自主學習與因果理解。而在她的宣言中
，李飛飛則以三種核心能力為基礎，為世界模型下了明確定義。
生成能力（Generative）：模型能生成多樣且合理的世界。
世界模型能「自己生成」世界。
生成的世界要在感知、幾何、物理上合理，並且多樣化。
模型應該理解世界的過去狀態，並保持與現在的一致性。
不論是虛擬空間還是真實場景，都能生成可觀察、可使用的世界狀態。
多模態（Multimodal）：模型能從多種資訊理解世界
世界模型能接收各種形式的資訊：圖片、影片、深度圖、文字、手勢或動作。
它能把這些部分訊息整合成完整的世界狀態，像人類或動物一樣理解世界。
也能用多種方式與人或代理互動，輸入和輸出不侷限單一形式。
互動能力（Interactive）：模型能根據動作或目標預測世界變化。
世界模型能根據動作或目標預測世界的下一步狀態。
輸出會符合物理規律、語義、動態行為，保持前後一致。
強大的模型甚至可以在目標驅動下，不只預測世界狀態，還能預測下一步行動。
她在文章的最後寫道，空間智慧能提昇人們最為重視的生活品質。在空間智慧能力誕生在
生物身上至今5億年，人類終於有機會將這項能力賦予機器，並造福世界各地的人們，「
如果沒有空間智慧，我們對真正智慧機器的夢想是不完整的。」
心得/評論：
※必需填寫滿30正體中文字，無意義者板規處分
理組的世界模型要上了
不過不知道效果如何?
但應該還是需要更大的算力
更大的記憶體吧?
重點是演算法還是transformer?
還是還在尋找更佳的演算法?
還是理組模型只要理解
不需要死背
所以算力記憶體需求大幅減少?
不可能吧......
等大神開示...
99NV
99MU
99BRCM