Fei-Fei Li vừa ra mắt Atlas, Trung Quốc đã có phiên bản mã nguồn mở tương tự từ nửa năm trước?

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

04-09-2026 14:54:12 Nguồn: QbitAI

Trí tuệ không chỉ là nhận dạng mẫu, mà còn là mô hình hóa thế giới

henry đưa tin từ Aofei Temple

QbitAI | Kênh chính thức QbitAI

Hơn 20 năm trước, nhà thần kinh học tính toán Jeff Hawkins đã viết: "Trí tuệ không chỉ là nhận dạng mẫu, mà còn là mô hình hóa thế giới." Ngày nay, các mô hình thế giới (world model) đang đồng loạt đạt đến những cột mốc quan trọng.

Ngày 2 tháng 9, World Labs – công ty do "mẹ đẻ" của AI Fei-Fei Li sáng lập – đã công bố mô hình thế giới đa phương thức (omni world model) đầu tiên trên thế giới mang tên Atlas.

Khả năng cốt lõi của Atlas là đưa văn bản, hình ảnh, video và thông tin 3D vào một ngữ cảnh không gian thống nhất, giúp mô hình không chỉ tạo ra một khung hình 2D trông có vẻ hợp lý, mà còn có thể hiểu và duy trì cấu trúc cảnh quan trong không gian 3D.

Chỉ cần một hoặc vài hình ảnh, nó có thể tái tạo cảnh quan 3D, tạo ra các góc quan sát mới và cho phép camera di chuyển dọc theo quỹ đạo chỉ định trong đó, đồng thời duy trì tính nhất quán của cấu trúc không gian.

Nhờ hiệu ứng thị giác ấn tượng và tính nhất quán của hình ảnh được tạo ra, Atlas đã nhận được vô số lời khen ngợi ngay khi vừa ra mắt.

Nhiều cư dân mạng coi đây là một bước đột phá quan trọng trong trí tuệ không gian (spatial intelligence), và chính Fei-Fei Li cũng gọi khoảnh khắc này là một "cột mốc lịch sử".

Điều thú vị là, từ tháng 3 năm nay, đội ngũ trí tuệ không gian trong nước InSpatio đã mã nguồn mở mô hình thế giới InSpatio-World với khả năng tương tự. Theo tiết lộ từ InSpatio, phiên bản nâng cấp của mô hình này cũng sắp được ra mắt và vẫn sẽ tiếp tục được mã nguồn mở như thường lệ.

Chỉ cần nhập một đoạn video thông thường, InSpatio-World sẽ cố gắng xây dựng một cảnh quan 4D động có thể tiếp tục khám phá từ những quan sát không gian-thời gian hữu hạn đó.

Tương tự như Atlas, nó cũng cho phép người dùng thay đổi quỹ đạo camera gốc, di chuyển đến những vị trí chưa từng được quay trước đó để quan sát cảnh quan;

Tuy nhiên, điểm khác biệt là với InSpatio-World, bản thân thời gian cũng trở thành một chiều không gian mà mô hình cần xử lý một cách tường minh.

Người dùng có thể thay đổi thời điểm quan sát trong phạm vi các sự kiện đã có và quan sát lại cùng một quá trình động từ một góc nhìn mới.

Nói cách khác, mặc dù lộ trình kỹ thuật và trọng tâm khả năng của Atlas và InSpatio-World không hoàn toàn giống nhau, nhưng cả hai đều hướng tới cùng một sự thay đổi:

Các mô hình thế giới đang chuyển dịch từ việc "tạo ra một đoạn video trông có vẻ hợp lý" sang "tạo ra kết quả quan sát ở các vị trí và góc nhìn khác nhau, xoay quanh một không gian hoặc trạng thái không gian-thời gian tồn tại bền vững".

Loại thứ nhất bắt đầu từ hình ảnh, biến vị trí camera thành tọa độ để truy cập vào thế giới không gian; loại thứ hai bắt đầu từ video, đưa thêm thời gian vào việc mô hình hóa và khám phá thế giới động.

Nếu phải dùng một phép so sánh, Atlas giống như việc dựng một trường quay ảo AI nơi có thể tùy ý chọn góc máy, giúp thế giới trở nên hoàn thiện hơn; còn InSpatio-World lại muốn biến một đoạn video thực tế thành một thế giới có thể điều khiển được một cách hiệu quả, đóng vai trò như "bạn tập" hàng loạt cho các AI vật lý.

Sự hội tụ của hai lộ trình kỹ thuật mô hình thế giới này ở thời điểm hiện tại cũng khiến chúng ta hướng sự chú ý đến InSpatio, một công ty trí tuệ không gian trong nước vốn khá kín tiếng trước đây.

Đứng đầu bảng xếp hạng uy tín về mô hình thế giới

Nếu nói về sự kiện nổi bật nhất gần đây của InSpatio, đó chính là việc đứng đầu bảng xếp hạng uy tín về mô hình thế giới WorldArena 2.0.

Tính đến ngày 27 tháng 8, trong bảng xếp hạng công khai giai đoạn đầu của WorldArena 2.0, mô hình thế giới InSpatio-Curious của InSpatio đã xếp thứ nhất trong số 77 mô hình tham gia đánh giá với 66,11 điểm.

Ngoài việc đứng đầu tổng điểm Track 1, nó còn xếp hạng nhất ở bốn chỉ số và khía cạnh: Physics Adherence (Tuân thủ vật lý), Trajectory Accuracy (Độ chính xác quỹ đạo), JEPA Similarity và Depth Accuracy (Độ chính xác chiều sâu).

Cụ thể, InSpatio-Curious đạt 64,89 điểm về Trajectory Accuracy, dẫn trước vị trí thứ hai 3,02 điểm; Depth Accuracy đạt 99,29 điểm.

Hai chỉ số này cho thấy, so với các mô hình khác trong bảng xếp hạng, InSpatio-Curious có khả năng duy trì chính xác hơn quỹ đạo chuyển động của vật thể và mối quan hệ không gian 3D trong quá trình tạo hình.

Về chỉ số JEPA Similarity đo lường tính nhất quán của biểu diễn không gian-thời gian, nó đạt 98,36 điểm, nghĩa là kết quả tạo ra của mô hình rất gần với thế giới thực ở cấp độ đặc trưng không gian-thời gian; chỉ số Physics Adherence đánh giá tổng hợp chất lượng tương tác và độ chính xác quỹ đạo cũng đứng đầu với 73,24 điểm.

Đáng chú ý là, Image Quality (Chất lượng hình ảnh) của InSpatio-Curious chỉ đạt 60,64 điểm, thấp hơn gần 9 điểm so với mô hình xếp thứ hai chung cuộc, nhưng cuối cùng vẫn giành vị trí quán quân.

Điều này cho thấy, vị trí dẫn đầu này không phải nhờ làm cho hình ảnh trở nên đẹp mắt hơn, mà được nâng đỡ trực tiếp bởi các khả năng nền tảng hơn như quỹ đạo, chiều sâu, biểu diễn không gian-thời gian và tính nhất quán trong tương tác.

Tuy nhiên, để hiểu được giá trị thực sự của thành tích này từ InSpatio, trước hết cần phải xem WorldArena đang đánh giá những gì.

Là một bài kiểm tra uy tín về mô hình thế giới hiện thân (embodied world model) do các trường đại học như Thanh Hoa, Giao thông Thượng Hải, Hồng Kông đồng khởi xướng, WorldArena hiện là một trong những bài kiểm tra đại diện để đo lường khả năng ứng dụng thực tế của các mô hình thế giới hiện thân.

Cho đến nay, WorldArena đã cập nhật lên phiên bản 2.0. Nói một cách đơn giản, so với các bài kiểm tra truyền thống chỉ tập trung vào hiệu ứng tạo video, WorldArena 2.0 giống như một "phòng thi robot" được chuẩn bị riêng cho các mô hình thế giới hiện thân.

Nó không chỉ xem hình ảnh có rõ nét hay không, mà còn kiểm tra xem quỹ đạo chuyển động của cánh tay robot có chính xác không, độ sâu và mối quan hệ không gian trong cảnh có ổn định không, cũng như liệu vật thể sau khi chịu tác động có thể tiếp tục chuyển động theo logic vật lý hợp lý hay không.