World Labs lancia Atlas, il world model per l’intelligenza spaziale che genera e ricostruisce mondi 3D

C’è un nuovo protagonista nella corsa ai world model, i sistemi di intelligenza artificiale che non si limitano a produrre testo o immagini ma imparano a rappresentare interi mondi tridimensionali. Il primo settembre 2026 World Labs, la startup fondata da Fei-Fei Li, una delle ricercatrici più influenti nel campo dell’AI, ha presentato Atlas, un modello che l’azienda definisce un world model omni per l’intelligenza spaziale.

La promessa è ambiziosa. Un unico modello capace di generare video controllabili al fotogramma, ricostruire scene reali in 3D partendo da poche foto e simulare ambienti in cui addestrare i robot. Tre compiti che fino a ieri richiedevano strumenti diversi, riuniti sotto un solo tetto.

Se hai seguito l’AI generativa negli ultimi due anni, conosci i confini classici: da una parte i modelli linguistici, dall’altra i generatori di immagini e video. Atlas prova a spostare quel confine, mettendo lo spazio, e non soltanto i pixel, al centro del modello.

Che cosa è un world model e perché l’intelligenza spaziale conta

Un world model è un modello che impara come appaiono, si comportano ed evolvono i mondi. Non genera una singola immagine isolata, ma una rappresentazione coerente dello spazio, che puoi esplorare da angolazioni diverse mantenendo la stessa geometria. È la differenza tra scattare una fotografia e costruire la stanza che quella fotografia ritrae.

World Labs insegue da tempo questo obiettivo, che chiama intelligenza spaziale. L’idea di fondo è che la vera comprensione del mondo passi dalla capacità di ragionare in tre dimensioni, come facciamo noi quando ci muoviamo in un ambiente. Un modello linguistico manipola parole, un world model manipola spazio.

Non è la prima volta che senti parlare di questi sistemi. Negli ultimi mesi abbiamo raccontato Wonder di Adobe, che trasforma foto e video in mondi 3D navigabili, e più di recente Solaris di Runway, un world model pensato per generare interfacce. Atlas si inserisce in questa corsa, ma con un’ambizione più generalista.

La posta in gioco è alta. Chi controllerà i world model potrebbe controllare l’infrastruttura su cui gireranno videogiochi, effetti visivi, simulatori e, soprattutto, l’addestramento dei robot.

Cosa sa fare Atlas

World Labs descrive Atlas come un modello capace di coprire quattro grandi famiglie di compiti. Vale la pena vederle una per una, perché è nella loro combinazione che sta la vera novità.

Generazione con controllo della telecamera

Atlas parte da una o più immagini di riferimento e genera nuove inquadrature da qualsiasi posizione e angolo della telecamera tu decida. Il modello usa la geometria della camera come input nativo, andando oltre le istruzioni testuali approssimative. In pratica puoi comporre ogni scena e controllare ogni movimento, invece di affidarti al caso.

I numeri dichiarati sono notevoli: fino a un minuto di video a risoluzione 1440p, generato a partire da poche immagini e da un percorso di camera disegnato a mano. World Labs usa una metafora efficace, sei tu il regista, non stai tirando la leva di una slot machine.

Ricostruzione spaziale in 3D

Qui Atlas entra nel territorio che appassiona ricercatori e sviluppatori da decenni. Il modello ricostruisce spazi reali partendo da una manciata di foto, senza attrezzature speciali né centinaia di scatti. Con appena due o tre immagini produce ricostruzioni fedeli, e può sfruttare oltre cento immagini per ricreare ambienti complessi.

La cosa interessante è l’output. Atlas non si ferma ai fotogrammi in due dimensioni: genera anche geometria 3D esplicita, sotto forma di nuvole di punti e di 3D Gaussian splat, la stessa rappresentazione usata da Marble, il prodotto già esistente di World Labs. Dove nessuna camera ha guardato, il modello immagina in modo plausibile ciò che manca.

Simulazione dello spazio e del tempo

Atlas non modella solo lo spazio, ma anche come evolve nel tempo. Da qui nascono due applicazioni concrete. La prima è il reframing dei video: con appena tre o cinque telecamere ordinarie, anche semplici smartphone su un treppiede, puoi congelare il tempo e riprendere una scena da angolazioni impossibili, l’effetto bullet time senza uno studio di posa costoso.

La seconda applicazione guarda alla robotica. Atlas ricostruisce un ambiente reale e poi genera i dati visivi e di profondità che i sensori di un robot vedrebbero muovendosi in quello spazio. In pratica crea simulazioni realistiche a partire da pochi video, un approccio che l’azienda chiama Real-to-Sim e che serve a produrre dati di addestramento su larga scala. È lo stesso terreno su cui si giocano scommesse industriali enormi, come mostra la corsa in Borsa dei robot umanoidi.

Generazione di immagini e panorami

Anche se non è il suo scopo principale, Atlas genera immagini e panorami a 360 gradi a partire da testo o da altre immagini. Sa seguire prompt complessi, scrivere testo leggibile e riprodurre stili visivi molto diversi. Un di più, rispetto alla sua vocazione tridimensionale.

Come è costruito Atlas e cosa dicono i benchmark

Sul piano tecnico, Atlas è quello che World Labs definisce un transformer autoregressivo di diffusione multimodale. La definizione è densa, ma l’idea è comprensibile. Il modello elabora sequenze fatte di dati diversi, testo, immagini, pose della telecamera e mappe di profondità, e genera un elemento alla volta, condizionando ogni nuovo output su quanto ha già visto.

La vera novità è il concetto di contesto spaziale. Come un modello linguistico costruisce un contesto di parole, Atlas costruisce un contesto in cui ogni immagine è ancorata a una posizione precisa nello spazio tridimensionale. Puoi persino inserire due immagini scollegate, posizionarle nello spazio, e lasciare che il modello generi un mondo che le collega in modo credibile, inventando corridoi, porte e passaggi.

Il modello è stato addestrato da zero su un ampio corpus multimodale, e World Labs sottolinea che le sue capacità migliorano con l’aumentare della potenza di calcolo. Una scommessa esplicita sullo scaling, la stessa logica che ha spinto i grandi modelli linguistici.

Veniamo ai numeri, perché aiutano a inquadrare l’annuncio. Sulla generazione controllata dalla telecamera, i valutatori umani hanno preferito Atlas rispetto ai modelli video rivali in una percentuale che va dal 75% al 94% dei casi, a seconda del concorrente. Tra questi compare anche Gemini Omni Flash di Google, superato nel confronto. Sulla ricostruzione 3D da poche viste, Atlas dichiara un errore medio di 25,3 contro il 28,7 del miglior modello specializzato, un risultato che pesa perché ottenuto da un modello generalista contro sistemi costruiti apposta per quel compito.

Cosa cambia concretamente, e per chi

Atlas non è ancora disponibile per tutti. World Labs lo sta aprendo in early access a partner selezionati, con un modulo per richiedere l’accesso, e ha annunciato che il modello alimenterà le versioni future di Marble e altri suoi prodotti. Non aspettarti quindi un’app pubblica da usare domani mattina.

Il segnale, però, è chiaro. Dietro Atlas c’è una società che ha raccolto circa 1,23 miliardi di dollari, tra i 230 milioni della fondazione nel 2024 e il round da un miliardo chiuso a febbraio 2026. Sono cifre che raccontano quanto gli investitori credano nell’intelligenza spaziale come prossima grande direzione dell’AI.

Per te che lavori con contenuti visivi, la prospettiva è concreta: generare video con controllo registico preciso, ricostruire ambienti reali in 3D senza scanner professionali, creare set virtuali a partire da qualche foto. Per chi si occupa di robotica, la possibilità di generare simulazioni realistiche cambia il modo di produrre dati di addestramento.

Resta la cautela d’obbligo. I risultati mostrati sono selezionati dall’azienda, i benchmark sono in parte definiti internamente, e la prova vera sarà l’uso sul campo. Un world model che genera scene splendide non è ancora, di per sé, un simulatore fedele della fisica del mondo reale.

Conclusioni

Atlas è uno dei lanci più interessanti di questo inizio settembre, perché non si limita ad aggiungere un altro generatore di video alla lista. Prova a ridefinire il terreno, mettendo lo spazio 3D e la coerenza geometrica al centro dell’AI generativa. Se la scommessa sullo scaling reggerà, potremmo guardare a questo modello come a un primo passo verso strumenti che capiscono davvero gli ambienti, e non solo le immagini.

Il consiglio è di tenere d’occhio due cose: quali partner adotteranno Atlas nei prossimi mesi e come si comporterà fuori dalle demo curate. Nel frattempo, se ti occupi di video, 3D o robotica, vale la pena approfondire i world model adesso, prima che diventino uno standard. Puoi partire dall’annuncio ufficiale di World Labs e confrontarlo con gli altri progetti che stiamo seguendo su queste pagine.