中国团队抢跑半年，空间智能赛道迎来双雄对决

20多年前，计算神经学家杰夫·霍金斯提出，智能不只是模式识别，更是对世界的建模。如今，这一理念正迎来里程碑时刻——9月2日，李飞飞创办的World Labs发布全球首个多模态世界模型Atlas，而国内团队影溯的空间智能模型InSpatio-World已抢跑半年，并于近期登顶权威榜单。两条技术路线不约而同指向同一方向：世界模型正从“生成合理视频”走向“围绕持续存在的空间或时空状态，生成不同视角的观测结果”。

Atlas：把世界装进统一空间上下文

Atlas的核心能力，是将文字、图像、视频和3D信息放入统一的空间上下文，使模型能在三维空间中理解并维持场景结构。仅凭一张或几张图片，它就能重建三维场景、生成新视角，并保持空间一致性。发布后，Atlas广受好评，被视为空间智能的重要突破。有评论形容，它像一个可随意选择机位的AI虚拟片场——你给出几张照片，它便能在三维空间里“搭”出场景，让你从任意角度观看。

InSpatio-World：把现实录像变成可驱动的世界

相比之下，国内空间智能团队影溯早在今年3月就开源了具备类似能力的世界模型InSpatio-World，其升级版本即将发布。该模型可从普通视频构建可探索的动态4D场景——用户不仅能改变相机轨迹，还能在已有事件范围内调整观察时刻，从新视角重看动态过程。如果说Atlas是搭建虚拟片场，那么InSpatio-World更像想把现实录像变成可驱动的世界：一段普通视频，经它处理后，你就能“走”进去，从任意时间点、任意角度重新观察。

榜单登顶：底层能力胜过画质

影溯近期登顶世界模型权威榜单WorldArena 2.0。截至8月27日，其模型InSpatio-Curious以66.11分位列77个参评模型第一，并在Physics Adherence、Trajectory Accuracy、JEPA Similarity和Depth Accuracy四项指标上均排名第一。具体来看，Trajectory Accuracy为64.89分，Depth Accuracy高达99.29分，JEPA Similarity为98.36分，Physics Adherence为73.24分。值得注意的是，其Image Quality仅60.64分，低于第二名近9分，却仍凭底层能力拿下总分第一——这恰恰说明，评测重点已从“画面好不好看”转向“模型是否真正理解物理世界”。

WorldArena 2.0由清华、上交、港大等联合发起，是衡量具身世界模型真实可用性的代表性评测。它不仅看画面清晰度，还检查运动轨迹、空间关系及物理逻辑。不过，现有评测仍围绕标准化仿真环境展开，对真实世界长尾情况覆盖有限——模型在固定题库中得高分，不代表能应对所有场景。

下一站：数据与评测的军备竞赛

当模型触及现有数据和评测边界，竞争便不再局限于算法本身。8月29日，影溯联合20余家高校和机构启动大规模空间智能3D数据开放计划SIDO，覆盖数据生产、模型训练到应用反馈全链路。未来两年，SIDO计划建设百万级3D/4D场景数据底座，并推进评测基准建设。

从Atlas的惊艳亮相到InSpatio-World的默默抢跑，空间智能的竞赛已从单点技术突破，延伸至数据、任务和评价标准的整体推进。这场双雄对决，或许才刚刚拉开序幕。