输入一句话或一张图，输出一个可以走进去探索、还能给物理引擎用的持久 3D 世界。
文本/图像生成可探索持久 3D 世界，双表征输出。
文本或图像生成三维场景的技术（比如 NeRF、3D 高斯泼溅）解决了「怎么把一堆照片或一段描述变成三维表征」的问题，但生成出来的大多只能用来看——渲染质量高，却缺一套供物理引擎直接调用的碰撞结构，机器人仿真、游戏引擎这类需要「知道东西在哪、能不能穿过去」的下游应用没法直接拿来用，还得靠人工重新建模或者补一层几何处理。
Marble 由李飞飞创立的 World Labs 于 2025 年 11 月正式商用发布。它接收文本、图片、视频或简单的空间草图作为输入，生成一个可以在里面走动、四处探索的三维环境，而且这个环境是「持久」的——你从不同角度绕回同一个位置，看到的还是同一批物体在同样的位置，不会像早期的实时生成式世界模型那样一转身场景就悄悄变了样。
它的关键设计是同一个模型同时输出两种表征：一种是高斯泼溅（用来做逼真的视觉渲染，负责「看起来对不对」），另一种是碰撞网格（供物理引擎直接运算，负责「摸起来、撞起来对不对」）。这意味着同一个生成结果既能拿来做视觉展示，也能直接喂给机器人仿真环境或游戏引擎当作可交互的场地，不需要额外的人工转换步骤。
商业化路径上，Marble 一开始是消费级应用，提供免费和多档付费订阅（按月生成次数和功能分级）；到 2026 年初又推出了面向开发者的 World API，允许程序化调用生成能力，按生成的信用点计费，方便集成到 Unity 等游戏引擎或机器人仿真流水线里。
World Labs 背后的资金也说明了这个方向被看重的程度：公司 2024 年 9 月以约 10 亿美元估值完成 2.3 亿美元的种子轮融资，2026 年 2 月又由 Autodesk 领投完成 10 亿美元的 B 轮融资，估值升到 50 亿美元，两轮累计融资约 12.3 亿美元。
| 双表征输出 | 同一模型同时输出高斯泼溅（视觉探索用）与碰撞网格（可供物理引擎运算） | 官方口径（World Labs 博客） |
| 开放状态 | 2025-11-12 正式商用发布，免费/付费订阅分级；2026-01 起提供付费 World API 供程序化调用 | 官方口径 |
| 融资 | 2024-09 以约 10 亿美元估值获 2.3 亿美元种子/A 轮；2026-02 由 Autodesk 领投完成 10 亿美元 B 轮，估值升至 50 亿美元，累计融资约 12.3 亿美元 | 官方口径/公开报道（TechCrunch、SiliconANGLE） |
李飞飞在 2026 年 6 月 3 日发表的 Substack 文章《A Functional Taxonomy of World Models》（drfeifei.substack.com/p/a-functional-taxonomy-of-world-models）里，把「世界模型」按输出内容分成三类：渲染器（只输出给人看的像素画面）、模拟器（输出可供计算的、几何和物理上都站得住脚的状态）、规划器（负责决策）。文章的核心批评是，市面上很多号称「世界模型」的系统其实只是渲染器——画面好看，但你真的走进去互动，很快就会露馅，因为它输出的从来不是可计算的「状态」。
问题在于，这把刀落到自家产品 Marble 头上会怎样？李飞飞在文中的说法是 Marble 属于例外：因为它同时输出高斯泼溅和碰撞网格，「消解了渲染器和模拟器之间的边界」，不属于她批评的那类「只是渲染器」的产品。但这个自我豁免本身也是争议点——毕竟 World Labs 自己的技术博客也承认，AI 生成的几何结构可能看起来正确、实际却包含自相交或比例错误，会导致碰撞网格算出「不合理的物理」；多种物理效应（刚体、可变形物体、流体、布料）同时存在时的仿真，计算成本比单一类型的仿真高出多个数量级，目前还远谈不上成熟。这场分类法是不是一把只对别人适用、对自己格外宽松的尺子，外部还缺少独立评测来给出答案。