- World Labsが2026年9月1日、世界モデル「Atlas」を発表。写真2〜3枚から実在の空間を3D再構成できます
- 最大1440p・最長1分の映像を、カメラ位置を指定しながら生成できます
- テキスト・画像・動画・3Dを1つのモデルで扱う「オムニモデル」が特徴です
- 比較テストでは競合のSeedance 2.5に94%の割合で選ばれた一方、条件の公平性に疑問の声もあります
- 論文・価格・パラメータ数はすべて非公開。今は招待制の早期アクセス段階です
スマホで撮った数枚の写真が、そのまま歩き回れる3D空間になる。しかもカメラワークまで自由に指定できる。そんなAIが2026年9月1日に発表されました。「AIの母」と呼ばれるフェイフェイ・リー氏が率いるWorld Labsの新モデル「Atlas」です。何がすごくて、何がまだ不明なのか。順に見ていきます。
World Labsが発表した「Atlas」とは
写真2〜3枚から、1分間の3D映像が生まれる
Atlasは、World Labsが2026年9月1日（現地時間）に発表した世界モデル（AIが空間の構造や時間の流れを内部で理解する仕組み）です。
もっとも目を引くのは入力の少なさです。わずか2〜3枚の写真から、実在する空間を忠実に3D再構成できます。もちろん100枚以上を読み込ませることもでき、枚数が増えるほど再現の精度が上がります。
出力は最大1440p、最長1分の映像。しかもカメラの位置と動きを指定できるため、「この角度から、この軌道で見せてほしい」という注文が通ります。
写真を撮った人が立っていなかった場所からの眺めまで、AIが埋めてくれる。そんなイメージです。
「オムニモデル」という新しさ
技術的には、Atlasはマルチモーダル自己回帰拡散トランスフォーマーと説明されています。長い名前ですが、要点はシンプルです。
テキスト、画像、動画、3Dデータ。この4つを別々の道具でなく1つのモデルで扱うのがポイントです。だから「オムニ（全部入り）モデル」と呼ばれます。
さらに、入力されたすべての情報は「3D空間の中のどこか」に紐づけられます。文章も写真も動画も、いったん共通の空間座標に落とし込んでから考える設計です。
従来の動画生成AIは、それらしい絵の連なりを作ることは得意でも、空間としてのつじつまが崩れがちでした。カメラを回して戻ってくると、さっきと違う部屋になっている。Atlasはこの弱点を正面から狙っています。
Atlasができる4つのこと
1. カメラ制御生成
1枚から数枚の参照画像を渡し、「ここから見た絵をください」とカメラ位置を指定して画像や動画を作らせる機能です。カメラの軌道が複雑になるほど、他モデルとの差が開くとWorld Labsは説明しています。
2. 空間再構成
複数の写真から、実在の空間を3Dデータとして起こす機能です。出力はポイントクラウド（点の集まりで形を表すデータ）や3Dガウシアンスプラッツ（もやのような粒で空間を表す新しい3D表現）。既存の3Dソフトに持ち込める形です。
3. 時空間シミュレーション
ここが目玉かもしれません。3〜5台のカメラ映像から、映画『マトリックス』のようなバレットタイム映像を作れます。時間を止めて、被写体の周りをぐるりと回るあの演出です。
スマホで撮った動画も、24フレームあれば環境を再構成できるとされています。1秒足らずの手ブレ動画から空間が立ち上がる計算です。ロボットが屋内を移動する経路のシミュレーションにも使えます。
4. 画像生成
テキストや画像から、通常の画像に加えて360度パノラマを直接生成できます。VRゴーグルにそのまま流し込める素材が、プロンプト1本で出てくるわけです。
なぜ「空間知能」なのか
フェイフェイ・リー氏は、ImageNetという巨大画像データセットを作り、今の画像認識AIの土台を築いた研究者です。その氏が2024年にWorld Labsを立ち上げて掲げたのが「空間知能（Spatial Intelligence）」という考え方でした。
氏の言葉を借りると、こうなります。大規模言語モデルが機械に読み書きを教えたのなら、空間知能は機械に「見ること」と「作ること」を教える。
文章がいくら上手くても、AIはコップの向こう側の形を知りません。ロボットが部屋を歩くにも、自動運転車が交差点を曲がるにも、必要なのは3次元の理解です。Atlasはその方向への大きな一歩という位置づけになります。
投資家もそこに賭けています。World Labsは2026年2月に10億ドルを調達し、企業評価額は50億ドル。累計調達額は12.3億ドルに達しました。出資者にはNVIDIA、AMD、そして2億ドルを出したAutodeskが並びます。CADや建築3Dの世界的大手が最大の出し手だという事実は、この技術がどこで使われようとしているかを物語ります。
競合と比べてどうなのか
世界モデルの開発競争は、2025年から一気に加熱しました。主な顔ぶれを整理します。
- Google DeepMind「Genie 3」（2025年8月発表）：テキストから操作可能な世界をリアルタイム生成。720p・24fps
- Runway「GWM-1」（2025年12月発表）：同社初の汎用世界モデル。720p・24fpsでリアルタイム環境シミュレーション
- World Labs「Marble」（2025年11月一般公開）：同社初の商用製品。画像・動画・テキストから3D空間を作る
- World Labs「Atlas」（2026年9月発表）：最大1440p・最長1分。テキスト/画像/動画/3Dを単一モデルで処理
Genie 3やGWM-1が「リアルタイムで遊べる世界」を目指すのに対し、Atlasは「実在の空間を正確に写し取る」方向に寄っています。解像度は1440pと一段上ですが、リアルタイム性は謳っていません。同じ「世界モデル」でも、狙う用途が違うわけです。
自社製品Marbleとの関係も整理しておきます。Marbleは既に使える商用サービスで、無料プランのほか月20ドルのStandard、月35ドルのPro、月95ドルのMaxが用意されています。AtlasはMarbleの将来バージョンを動かすエンジンになる予定で、3Dガウシアンスプラッツという共通の表現形式でつながっています。
数字は強い。ただし条件に注意
World Labsが公開した比較テストの結果は、たしかに派手です。人間の評価者が出力を見比べて、どちらが良いかを選んだ割合がこちら。
- MiniMax H3との比較 → Atlasが75%
- Gemini Omni Flashとの比較 → Atlasが81%
- Seedance 2.5との比較 → Atlasが94%
ただし、この数字はそのまま受け取らないほうがよさそうです。
専門メディアのimplicator.aiは、テスト条件が同じではなかった点を指摘しています。Atlasにはカメラ軌道のデータが直接与えられた一方、競合モデルにはテキストによる説明が渡されたというのです。カメラワークの正確さを競うテストで、片方だけ答えの座標を持っている状態に近いことになります。
加えて、テストはすべてWorld Labs自身が実施したもので、第三者による検証はまだありません。
非公開の項目も多く残ります。論文なし、コードなし、パラメータ数なし、学習に使った計算量なし、価格なし、一般提供の時期なし、早期アクセスのパートナー企業名もなし。今わかるのは、公式ブログのデモ映像と、World Labsが選んだ数字だけです。
すごい技術であることと、外から検証できることは別問題。ここは冷静に見ておきたいところです。
日本のユーザー・企業にどう関わるか
現時点でAtlasは招待制の早期アクセスのみ。申し込みフォームからの登録が必要で、日本語対応の案内も出ていません。今すぐ日本から触れる状態ではないと考えてください。
一方で、日本の産業と相性が良さそうな場面はいくつも思い浮かびます。
たとえば地方の不動産会社。内見の予約が入るたびに担当者が現地へ向かい、往復1時間かけていた物件があるとします。スマホで各部屋を数秒ずつ撮り、その動画から3D空間を起こせるなら、遠方の顧客に「歩ける内見」を送れます。
建設現場も同じです。工事の進捗を毎週スマホで撮って回り、その記録を3Dで積み上げていく。図面と実物のズレを、現場に行かずに確認できます。Autodeskが2億ドルを出した理由は、おそらくこのあたりにあります。
もう一つ、製造業のロボット導入です。新しいラインにアーム型ロボットを入れるとき、これまでは実機を動かしながら経路を調整していました。工場を数枚撮って3D化し、その中で動きを試せるなら、止める時間を短くできます。Atlasが挙げるロボット導航シミュレーションは、まさにこの用途です。
アニメやゲームの制作現場も見逃せません。背景美術の下地を実写から起こしたり、バレットタイム演出を数台のカメラで済ませたり。日本のコンテンツ産業にとって、制作コストの構造を変えうる話です。
よくある質問（FAQ）
Q1. Atlasは今すぐ使えますか？
いいえ。2026年9月2日時点では、選ばれたパートナー向けの早期アクセス段階です。World Labsの申し込みフォームから登録する形で、一般提供の時期は発表されていません。
Q2. 料金はいくらですか？
Atlasの価格は非公開です。同社の既存製品Marbleは無料プランに加え、月20ドル・35ドル・95ドルの3段階が用意されています。Atlasも似た形になる可能性はありますが、あくまで推測です。
Q3. Genie 3やRunwayのGWM-1と何が違いますか？
Genie 3とGWM-1は720p・24fpsでリアルタイムに操作できる世界を作ることを重視しています。Atlasは最大1440pと解像度が高く、実在の空間を写真から正確に再構成する点に強みがあります。目指す方向がそもそも異なります。
Q4. 「世界モデル」と普通の動画生成AIはどう違うのですか？
動画生成AIは、見た目が自然な映像を作ることが目的です。世界モデルは、空間の立体構造と時間の流れをAIの内部で保持します。だからカメラを一周させても部屋の形が崩れず、3Dデータとして書き出すこともできます。
Q5. 発表された性能の数字は信用できますか？
参考程度に見るのが妥当です。テストはWorld Labsが自社で実施し、Atlasと競合モデルで入力条件が揃っていなかったと指摘されています。論文もコードも公開されておらず、第三者検証はこれからです。
まとめ
- World Labsが2026年9月1日、世界モデル「Atlas」を発表しました
- 写真2〜3枚から空間を3D再構成し、最大1440p・最長1分の映像をカメラ制御付きで生成できます
- テキスト・画像・動画・3Dを1モデルで扱う「オムニモデル」で、フェイフェイ・リー氏の「空間知能」構想の中核にあたります
- Autodeskが2億ドルを出資し、累計調達12.3億ドル・評価額50億ドルという規模感です
- ただし論文・価格・パラメータ数は非公開で、比較テストの条件にも疑問が呈されています
まずはWorld Labsの公式ブログでAtlasのデモ映像を確認し、既に使えるMarbleの無料プランで「写真から3D空間を作る」感覚を試してみるのが、いちばん早い理解の近道です。