World Labs Marble: AI biến ảnh, ảnh 360 thành thế giới 3D cho VR

Bối cảnh: từ khái niệm world model đến sản phẩm bán được

Bài AI tạo thế giới ảo: World Models và môi trường VR sinh tự động đã giải thích world model là gì. Bài này không nhắc lại khái niệm, mà theo dõi một sản phẩm đang được dùng thật: Marble.

World Labs do nhà khoa học Fei-Fei Li đồng sáng lập. Ngày 12/11/2025, công ty mở Marble cho mọi người dùng sau hai tháng chạy thử, theo blog chính thức của World Labs. Khác các công cụ text-to-3D tạo từng vật thể riêng lẻ mà bài Generative AI tạo mô hình 3D đã phân tích, Marble tạo nguyên một môi trường: căn phòng, con phố, khu vườn mà người dùng có thể bước vào.

Năm 2026, nhịp tin dày lên rõ rệt. Theo Reuters (đăng lại trên The Star, 2/2026), World Labs gọi được 1 tỷ USD với sự tham gia của AMD, Nvidia, Autodesk, Fidelity và Sea, trong đó Autodesk góp 200 triệu USD. Tháng 1/2026 công ty mở World API cho nhà phát triển.

Điều gì mới: Marble 1.1, Atlas và thương vụ AMD

Marble 1.1 và 1.1 Plus (đầu tháng 4/2026)

Theo MoguraVR (4/2026), World Labs phát hành hai mô hình mới ngày 7/4/2026 giờ Mỹ. Marble 1.1 tập trung vào chất lượng hình: ánh sáng và độ tương phản tốt hơn, ít vệt lỗi hơn, mỗi lần tạo tốn cố định 1.500 credit. Marble 1.1 Plus được World Labs gọi là mô hình "xây cho quy mô": nó tự động mở rộng vùng phủ 3D để tạo thế giới lớn và phức tạp hơn, chi phí 1.500 credit cộng thêm tối đa 1.500 credit tuỳ độ rộng.

Đầu vào và đầu ra

Theo TechCrunch (11/2025), Marble nhận văn bản, ảnh, ảnh panorama 360, nhiều ảnh, video và bố cục 3D thô. Chế độ Chisel cho dựng khối thô làm "khung xương" rồi để AI phủ phong cách.

Tài liệu kỹ thuật của World Labs liệt kê các định dạng xuất: Gaussian splat SPZ hoặc PLY khoảng 2 triệu splat (bản nhẹ khoảng 500 nghìn), mesh va chạm 100–200 nghìn tam giác, mesh chất lượng cao khoảng 600 nghìn tam giác có texture, và ảnh 360 2560 × 1280 px. TechCrunch cũng cho biết thế giới tạo ra xem được trên Apple Vision Pro và Meta Quest 3.

Từ nội dung sang robot: SceniX, Atlas và AMD

Blog World Labs ghi nhận ba mốc liên tiếp. Ngày 21/7/2026, công ty mua SceniX, startup mô phỏng robot, để làm môi trường "real-to-sim" huấn luyện robot. Ngày 1/9/2026, World Labs công bố Atlas, mô hình "omni" tạo video 1440p dài tới một phút nhất quán hình học, đồng thời xuất point cloud và Gaussian splat; theo SiliconANGLE (9/2026), Atlas mới mở sớm cho một số doanh nghiệp, chưa có lịch phát hành rộng.

Ngày 28/9/2026, AMD công bố mua World Labs bằng cổ phiếu, trị giá khoảng 8,2 tỷ USD. Theo Data Center Knowledge (9/2026), thương vụ dự kiến hoàn tất cuối năm 2026, còn chờ phê duyệt; Fei-Fei Li sẽ làm phó chủ tịch điều hành kiêm nhà khoa học trưởng của AMD. Bài báo không nói gì về tương lai của Marble như sản phẩm thương mại.

Cách hoạt động: ảnh 360, AI và XR ghép với nhau thế nào

Về bản chất, Marble không "chụp" thế giới mà "đoán" thế giới. Từ những gì camera thấy, mô hình suy luận hình học, chiều sâu và phần bị che khuất, rồi điền vào những chỗ không có dữ liệu bằng kiến thức đã học. Phần trong ảnh khá sát thực tế; góc khuất, phòng bên cạnh là phần AI sáng tác.

Ảnh 360 là đầu vào đặc biệt có lợi. Một ảnh panorama equirectangular (xem ảnh panorama 360 là gì) đã phủ toàn bộ hướng nhìn từ một điểm, nên AI chỉ phải đoán chiều sâu và những gì nằm sau vật cản, thay vì đoán cả nửa căn phòng. Tencent cũng theo logic này: theo GitHub HY-World 2.0, bước đầu tiên là tạo ảnh panorama 360 bằng HY-Pano 2.0, rồi mới mở rộng và ghép thế giới.

1. 01

   Thu nhận đầu vào

   Ảnh, video hoặc ảnh 360. Ảnh càng sắc, phơi sáng càng đều, AI càng ít phải đoán.

2. 02

   AI suy luận không gian

   World model ước lượng chiều sâu, bề mặt, ánh sáng và "vẽ thêm" phần ngoài khung hình.

3. 03

   Biểu diễn thành dữ liệu 3D

   Kết quả được lưu dưới dạng Gaussian splat (đẹp, nhẹ khi xem), mesh (dùng cho va chạm, engine game) hoặc video có điều khiển camera. Đây là công nghệ của bên thứ ba; so sánh chi tiết có trong bài NeRF, Photogrammetry và Gaussian Splatting.

4. 04

   Hiển thị trên XR

   Cảnh được mở trên Quest 3, Vision Pro hoặc trình duyệt, có thể đưa vào engine web để thêm tương tác.

5. 05

   Gắn dữ liệu IoT và mô phỏng

   Cảnh 3D thành "sân khấu" gắn dữ liệu cảm biến hoặc môi trường huấn luyện robot, hướng của Atlas, SceniX và NVIDIA Cosmos 3; cần hệ thống IoT, mô phỏng riêng của khách hàng.

Một digital twin thật cần ba thứ: hình ảnh hiện trạng đúng, dữ liệu cảm biến thời gian thực và AI hiểu không gian. World model giúp mảng thứ ba, không thay được mảng thứ nhất.

Case thực tế: world model đang được dùng ra sao

So sánh các world model đáng chú ý năm 2026

Genie 3 bản nghiên cứu chạy 720p, 24 hình/giây và giữ nhất quán "vài phút", theo Google DeepMind (8/2025). Từ 19/5/2026, theo GIGAZINE, Project Genie còn cho chọn một điểm Street View tại Mỹ làm nền thế giới, ví dụ rõ về ảnh panorama thật làm "hạt giống" cho world model.

Có hai trường phái. Genie 3 sinh khung hình liên tục theo thao tác nhưng không cho tải cảnh 3D. Marble, HY-World và Atlas tạo ra dữ liệu 3D bền vững để mang vào engine hoặc kính VR. Cosmos 3 đứng riêng: theo NVIDIA (5/2026), mục tiêu là mô phỏng thế giới vật lý cho robot và xe tự hành, nơi dữ liệu cảm biến IoT là đầu vào chính.

Theo TechCrunch (11/2025), quyền thương mại bắt đầu từ gói Pro, chi tiết dễ bị bỏ qua khi dùng hình cho quảng cáo.

Hạn chế và rủi ro

"Ảo giác" không gian. Phần AI suy luận trông hợp lý nhưng không đúng thực tế: cửa sổ không tồn tại, hành lang dài hơn, vật liệu khác. Với concept thì chấp nhận được; với căn hộ đang rao bán thì là thông tin sai.

Độ phân giải chưa đủ cho tour chuyên nghiệp. Ảnh 360 Marble xuất ra là 2560 × 1280 px, theo tài liệu World Labs. Panorama chụp nhiều tấm, gộp HDR chuyên nghiệp thường có độ phân giải cao hơn nhiều lần.

Giới hạn thời lượng và độ ổn định. Project Genie giới hạn 60 giây mỗi lần tạo; Google thừa nhận thế giới có thể lệch câu lệnh và vật lý thực.

Bản quyền ảnh đầu vào và quyền dùng thương mại. Dùng ảnh người khác chụp làm đầu vào vẫn có thể vi phạm bản quyền. Giấy phép HY-World 2.0 là giấy phép cộng đồng riêng của Tencent, cần đọc kỹ.

Rủi ro nhà cung cấp. World Labs đang trong quá trình về AMD, Atlas chưa mở rộng rãi, Genie mới ở dạng thử nghiệm.

Khách hàng hiểu nhầm là thật. Một tour "đẹp hơn thực tế" có thể dẫn tới khiếu nại; với bất động sản, di tích, hồ sơ pháp lý thì không chấp nhận được.

Gợi ý áp dụng tại Việt Nam

Cách tiếp cận an toàn là chia việc theo mức độ cần "đúng sự thật":

Dùng AI cho giai đoạn ý tưởng. Chủ đầu tư dựng nhanh không khí sảnh, khu tiện ích; agency sự kiện thử phương án sân khấu.

Dùng ảnh 360 thật cho mọi thứ khách sẽ ra quyết định. Căn hộ mẫu, phòng khách sạn, điểm du lịch, di tích, nhà xưởng cần hình ảnh đúng hiện trạng.

Chuẩn bị kho ảnh 360 như tài sản dữ liệu. Kho ảnh 360 sắc nét, có toạ độ và thời điểm chụp vừa phục vụ tour hôm nay vừa là đầu vào tốt cho công cụ AI ngày mai.

Với nhà máy, đô thị thông minh, world model hợp cho mô phỏng; lớp hiện trạng vẫn cần chụp thật, dữ liệu IoT đến từ cảm biến của doanh nghiệp.

360VR có thể giúp gì

360VR không làm Gaussian Splatting hay vận hành world model. Phần chúng tôi làm là tạo ra lớp hình ảnh thật: chụp VR tour 360 độ phân giải cao, flycam 360, sa bàn số, số hoá không gian và di sản, bản đồ số, tích hợp lên website và Google Maps. Tour 360 thật đóng vai trò "nguồn sự thật" mà khách hàng và cơ quan quản lý tin được.

Khi doanh nghiệp muốn thử world model hay dựng digital twin có dữ liệu IoT, bộ ảnh 360 chất lượng cao từ 360VR là đầu vào sạch. Phần AI, cảm biến và nền tảng mô phỏng do đối tác hoặc hệ thống của khách đảm nhận; 360VR phối hợp để hai lớp ăn khớp.