高德发布通用世界模型工坊内置任意门与交互视频3D生成

7月14日，高德正式发布并开放测试了其重磅产品——ABot-World Studio世界模型工坊。这款工坊的核心亮点在于，它首次将交互式视频生成与3DGS场景生成融合于同一平台。用户只需输入一句话或上传一张图片，系统即可自动生成一个可实时交互、自由分享的AI世界。输出成果既支持视频文件格式，也能保存为3DGS格式。

值得关注的是，ABot-World Studio对硬件配置要求不高，仅需单张5090显卡即可实现本地部署。更关键的是，其架构设计突破了推理时长限制，官方实测显示单次连续推理已稳定运行超过一小时，且未出现崩溃或画质下降。相比之下，同类世界模型通常只能维持一分钟左右——这一差距十分显著。

当前世界模型领域的技术路线主要分为两条：一是交互式视频生成，虽沉浸感强且交互性佳，但视频生成后交互即终止，用户无法继续探索；二是3D场景生成，专注于构建高保真空间资产，然而场景之间缺乏连续性，探索范围局限于单个空间。本质上，这两条路径仍停留在“一段视频”或“一个场景”的传统范式。而ABot-World Studio的创新之处在于，它成功将二者统一——实现了实时探索与永久记忆的同步体验。

在交互式视频生成方面，ABot-World Studio攻克了传统模型推理时间过长容易崩溃的难题。工坊能够保持画面质量与首帧相近，支持第一人称和第三人称视角的长时间推理，时长可达一小时以上。更值得关注的是，它对物理真实规则的还原度极高，生成的世界不再是被动播放的像素流，而是能够跟随用户每一步动作实时演化并即时反馈——这意味着用户不再只是“观看”一个世界，而是在真正“预测”和“操控”它。

在3D场景生成方面，工坊原生输出的3DGS空间资产拥有真实的几何结构。生成的世界不仅具备照片级视觉保真度，还具备可感知的空间深度与物理边界。用户可自由进行空间探索，所有生成的3D世界均可保存和分享，最终构建起一个开放的公共世界库。

在此基础上，工坊在每个3D世界中都内置了“任意门”机制。例如，你可以在江南水乡的木门后直接链接到一座赛博城市，也可以让风陵渡的渡口直通雁门关的关隘。通过这种空间传送方式，原本孤立的场景被编织成一张无边界的探索网络。

ABot-World Studio之所以能实现如此体验，背后依托的是ABot-World系列通用交互式世界模型。该系列包含两大核心模型：ABot-World0负责视频生成，ABot-3DWorld0负责3D生成。目前，整个ABot-World模型系列已全面开源。