高德发布通用世界模型工坊ABot-World Studio：内置"任意门"，同时支持交互式视频与3D场景生成

7月14日，高德放了个大招——ABot-World Studio世界模型工坊正式发布，并且已经开放测试。先聊几个核心判断：这款工坊把交互式视频生成和3DGS场景生成整合到了同一个产品里。你只需要写一句话，或者丢进去一张图片，系统就能自动生成一个可以实时交互、任意分享的AI世界。这个世界的输出成果，既可以是视频文件，也可以保存为3DGS格式。

有意思的是，ABot-World Studio在硬件上并不“挑食”，单张5090显卡就能跑本地部署。更关键的是，它在架构层面没有设置推理时长的天花板。官方实测数据显示，单次连续推理已经稳定运行超过一个小时，既没崩溃，画质也没下降。要知道，同类世界模型通常也就撑一分钟左右——这个差距，不是一点半点。

目前世界模型这个赛道，技术路线其实分得挺开。一条是交互式视频生成，沉浸感强、交互性也不错，但视频生成完交互也就结束了，用户没法继续探索下去。另一条是3D场景生成，专注于构建高保真的空间资产，可是世界之间缺乏连续性，探索范围被锁死在单个场景里。说白了，这两条路本质上都还是“一段视频”或者“一个场景”的老范式。ABot-World Studio这次做的事情，就是把它们统一了起来——实时探索和永久记忆同时上线。

在交互式视频生成这块，ABot-World Studio解决了一个老大难问题：传统视频模型推长时间一长就容易崩。工坊能做到画面质量和首帧差不多，支持第一人称和第三人称的长时间推理，时长超过一个小时。更值得留意的是，它对真实物理规则的还原度非常高，生成的世界不再是被动播放的像素流，而是能跟随用户的每一步动作实时演化、即时反馈。这意味着，你已经不是在“看”一个世界，而是在真正“预测”和“操控”它。

再看3D场景生成这一侧。工坊原生输出的3DGS空间资产，具备真实的几何结构。生成的世界既有照片级的视觉保真度，也有可感知的空间深度和物理边界。用户可以自由地进行空间探索，所有生成的3D世界都能保存和分享，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世界里都嵌入了“任意门”机制。你可以在江南水乡的木门后面，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，原本孤立的场景被编织成一张无边界的探索网络。

ABot-World Studio能有这样的体验，底层靠的是ABot-World系列通用交互式世界模型。这个系列包含两大模型：ABot-World0（负责视频生成）和ABot-3DWorld0（负责3D生成）。目前，整个ABot-World模型系列已经全面开源。