阿里巴巴集团旗下高德近日宣布推出革命性产品——通用世界模型工坊ABot-World Studio，并同步开启公开测试。这款创新工具首次将交互式视频生成与3D场景生成技术深度融合，用户仅需输入文字描述或上传图片，即可创建可实时交互、自由分享的AI虚拟世界，输出成果支持视频与3DGS文件格式保存。
技术突破方面，ABot-World Studio在单张NVIDIA RTX 5090显卡上即可完成本地部署，其架构设计突破传统推理时长限制。实测数据显示，该系统可稳定实现超过1小时的连续推理运算，全程保持画面质量稳定，相较同类产品1分钟左右的生成上限形成质的飞跃。特别引入的"时空任意门"机制，允许用户在虚拟世界中自由穿梭，每个门后都连接着独立完整的3D场景，构建出无限扩展的探索网络。
针对行业痛点，研发团队重点优化了长时生成稳定性。传统视频模型常出现的画面崩坏问题，在此得到根本性解决。新系统在保持首帧画质水准的前提下，支持小时级的第一人称与第三人称视角持续渲染。更关键的是，通过深度模拟物理规则，虚拟世界能够根据用户操作实时演化反馈，实现真正的预测性交互与精准控制。
在3D场景构建领域，该工坊开创性地输出具备真实几何结构的3DGS空间资产。生成场景不仅呈现照片级视觉效果，更包含可感知的空间深度与物理边界，用户可自由进行三维空间探索。所有创建的虚拟世界均可保存至公共库，形成开放共享的数字资产平台。通过"任意门"系统，原本孤立的场景得以有机连接，江南水乡的木门可能通向未来都市，古代关隘与现代港口实现时空交错。
核心技术支撑来自ABot-World系列模型，包含视频生成模型ABot-World0与3D生成模型ABot-3DWorld0。前者通过场景漫游与角色控制的联合建模，显著提升控制精度并缓解误差累积；后者延续ABot-Earth0.5的推理路径，首次实现室内、街景、城市航拍的全尺度空间统一生成。模块化设计的"生成-评估-修复"流程，确保高保真场景的稳定输出。值得关注的是，整个模型体系可在消费级GPU上独立运行，打破专业算力依赖的壁垒。
应用场景呈现多元化拓展：在具身智能领域，可为机器人训练提供高度仿真的虚拟环境；内容创作方面，既支持游戏世界的无限探索，也能将影视单视角素材快速转化为多机位分镜，将创意验证周期从数周压缩至数小时；文旅教育行业则通过第一视角沉浸体验，让用户真正"走进"历史场景或艺术作品。目前，ABot-World系列模型已实现全面开源，测试版本现已开放下载体验。
