高德发布通用世界模型工坊ABot-World Studio: 5090单卡可生成小时级实时交互式视频与3D场景

近日，阿里巴巴集团旗下高德正式发布通用世界模型工坊ABot-World Studio，并同步开放测试。该工坊将交互式视频生成与3DGS场景生成统一在同一产品中——用户只需输入一段文字或一张图片，即可生成一个可实时交互、任意分享的AI世界，输出结果可保存为视频与3DGS文件。

据悉，ABot-World Studio可在单张5090上进行本地部署。该产品在架构层面不设推理时长上限，官方实测中，单次连续推理已稳定运行超过1小时且未出现崩溃或质量衰减，远超同类世界模型约1分钟的生成上限。该工坊还创新性地内置了“时空任意门”——用户每穿越一次“任意门”，即可跃迁至另一个完整的3D世界。

当前，世界模型存在多条完全不同的技术路径：交互式视频生成，侧重沉浸感和交互性，但视频生成后交互即结束，用户无法持续探索；3D场景生成聚焦于构建高保真的空间资产，但世界之间缺少连续性，探索范围受限于单一场景。两者本质上仍停留在“一段视频”或“一个场景”的范式内。ABot-World Studio 首次将二者统一，同时实现了实时探索与永久记忆。

在交互式视频生成方面，ABot-World Studio 解决了传统视频模型长时序易崩坏的问题。工坊在确保画面与首帧画质相当的前提下，支持超过一小时的第一人称与第三人称长时推理。此外，由于模型对真实物理规则的高度还原，其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个动作实时演化与反馈，真正实现对世界的预测和精准操控。

在3D场景生成方面，工坊原生输出具备真实几何结构的3DGS空间资产。生成的世界既拥有照片级视觉保真度，也具备可感知的空间深度与物理边界，用户可以自由进行空间探索。所有生成的3D世界均可保存与分享，构建起一个开放的公共世界库。

在此基础上，工坊在每个3D世界中原生嵌入了“任意门”机制——用户可以在江南水乡的木门后链接一座赛博城市，或让风陵渡的渡口直通雁门关的关隘，通过空间传送将原本孤立的场景编织成一张无界的探索网络。

ABot-World Studio的领先体验，得益于底层的 ABot-World系列通用交互式世界模型。该系列包含 ABot-World0（视频生成）与 ABot-3DWorld0（3D生成）两大模型。

在交互式视频生成方面，ABot-World0将场景漫游与角色控制进行一体化建模，大幅提升模型控制精度，并通过算法优化缓解误差累积问题，从而延长了推理时长。

在3D场景生成方面，ABot-3DWorld0与此前发布的 ABot-Earth0.5 共享相同推理路径，在全球首次实现同一架构贯通室内、街景与城市航拍的全尺度空间生成，并采用“生成—评估—修复”的模块化设计，使高保真、长时序场景生成的质量稳定可控。

值得一提的是，ABot-World系列模型均能在本地单张消费级GPU上完成推理，无需依赖专用算力——这在当前世界模型领域仍属少见。

目前，ABot-World 系列模型已全面开源。

应用方面，ABot-World Studio在具身智能领域，能够为机器人提供专项训练的仿真训练场；在内容创作中，它不仅能支撑游戏世界的无边界探索，更能帮助影视创作者将单视角素材迅速转化为分镜素材，将创意验证周期从数周压缩至小时级；同时，在文旅与教育行业，ABot-World Studio 让用户不再观看一成不变的视频，而是以第一视角走进名画现场或过往文明，从旁观者变为亲历者。