中国AIGC「全家桶」来了！三箭齐发杀入全球第一梯队

新智元报道

编辑：好困 犀牛

【新智元导读】当中国AI还常被贴着「追赶者」标签时，天工AI却在中关村论坛一口气拿出视频、音乐、世界模型三张王牌，宣告中国AIGC正从单点突破迈向真正的全模态领跑。

天下苦AI「盲盒」久矣。

去问问游戏制作人，被吹上天的「世界模型」简直是重度失忆症患者，角色跑三步地平线就扭曲，稍微转个身旁边的房子就会凭空消失。

去问问短剧操盘手，镜头刚切走男主角的西装变成了夹克，生成的画面全是「无声默片」后期硬贴配音，爆炸火光亮起两秒后才听到轰隆声。

再去问问专业音乐人，AI作曲听着热闹但就是有塑料味。你既不能精准地在第15秒加一段压抑的大提琴，更没法让它在副歌前学会屏住呼吸。

AI游戏、AI视频、AI音乐，三条最火的AIGC赛道，三个最深的行业顽疾。

3月27日，2026中关村论坛，一场发布会给出了三个解法。

游戏世界模型Matrix-Game 3.0、视频大模型SkyReels V4、音乐大模型Mureka V9同时登场，全部杀入世界第一梯队。

这一天，中国AIGC迎来了自己的「全模态时刻」！

三条赛道，三个顽疾，三剂解药

杀入第一梯队是结果，怎么把行业最头疼的病治好的才是真的。

Matrix-Game 3.0

在生成的城市里走上一遭，回头一切照旧

今年1月，图灵奖得主Yann LeCun专门为「世界模型」这个方向创了公司AMI，种子轮融了10.3亿美元。

AMI首席科学官谢赛宁做出的全球首个多人世界模型Solaris，技术底座正是天工AI开源的上一代Matrix-Game 2.0。

图灵奖得主创业选中的技术底座，来自这家中国公司。这本身就说明了天工AI在这条赛道上的位置。

但2.0有一个没解决的问题：失忆症。

你在AI生成的世界里走了一分钟再回头，房子消失了，路灯换了位置，整个世界面目全非。

3.0就是来治这个病的。

在这条秋意盎然的街道上，我们刻意让视角穿过斑马线，大范围环顾四周，然后再折返回来。

注意看，镜头转了一大圈重回原地，那栋顶着巨大青蛙雕像的绿色小楼原封不动，墙上的粉红灯笼还在，路口的绿色公交车也没有凭空消失或扭曲变形。

看完效果，我们来拆一下背后的技术。

世界模型最大的瓶颈不是算法，是数据。

互联网上的视频只有画面，缺少相机位姿和操作指令，AI没法从中学会「我按了方向键，世界应该怎么变」的因果关系。

Matrix-Game 3.0为此搭建了一套工业级的无限数据引擎，双管线并行。

一条线基于Unreal Engine 5自动生成覆盖1000+场景的高精度交互数据，强化学习驱动的AI Agent在场景中自主探索，每一帧都同步记录视频、6-DoF相机位姿和操作指令，毫秒级对齐。

另一条线则是从3A游戏里全自动提取动态交互数据，7×24小时无人值守，TB级数据持续产出。

世界模型要「记住」世界，首先得「见过」足够多的世界。

在模型层面，Matrix-Game 3.0从三个维度做了系统性升级。

第一是记忆注入。

模型在生成当前画面时，不只看最近几帧，还会根据相机位姿检索出更早期的「记忆帧」，只取与当前视角相关的内容，放进同一个注意力空间联合建模。走过的路、看过的楼，模型都记得。

第二是Error Buffer抗漂移机制。

长时序生成中模型会逐渐偏离真实状态，3.0在训练时就显式建模生成结果与真实帧之间的误差，并把误差作为条件重新注入，让模型大量接触「已经跑偏」的状态，逼它学会自我纠正。

第三是蒸馏加速。

要让5B参数的模型在720P分辨率下跑到40FPS实时生成，光有好架构不够，还得把推理步数压下来。

3.0用了多段自回归蒸馏框架，在训练阶段就让学生模型连续生成多个视频段，完全模拟真实长视频推理的误差累积环境，配合模型量化和VAE解码器蒸馏，最终实现了分钟级长时序一致性下的实时交互。

可交互基础模型结构示意图

记忆增强基础模型结构示意图

多段自回归蒸馏示意图

（左右滑动查看）

三层技术叠满，5B轻量模型就跑出了720P、40FPS的实时生成，分钟级长时序一致性。这在一年前是不可想象的。

更大的MoE-28B模型，则在泛化性和动态表现上进一步拉满。它为第一人称和第三人称分别训练独立的动作模型，共享同一个视觉细节模型，既能做沉浸式第一人称探索，也能跑第三人称游戏视角，可生成时长约60秒。

放眼全球，可交互世界模型这条赛道上，Google DeepMind的Genie 3是闭源标杆，Matrix-Game 2.0是该技术范式首个开源实现。3.0在记忆、分辨率和实时性上全面超越2.0，是目前与Genie齐头并进的方案。

主页：https://matrix-game-v3.github.io/

代码：https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3

模型：https://huggingface.co/Skywork/Matrix-Game-3.0

以前的世界模型是「能看不能摸」的橱窗展品，现在的Matrix-Game 3.0是一个可以真正走进去玩的虚拟世界。

世界的问题解决了，接下来看画面。

SkyReels V4

画面里人开口说话的瞬间，声音就跟上了

注意「听」，漫天黄沙里，女主开口说「谢谢你救了我」的瞬间，声音是不是严丝合缝跟上了？男主回应时，背景音乐的节奏是不是也刚好踩在了画面的情绪点上？

这段荒凉凄美的戈壁戏，不仅演员的表情极其自然，连呼啸的风声都跟画面完美交融。

这就是SkyReels V4最炸裂的地方。

以前的AI视频都有一个毛病，先生成画面，再找另一个模型配音。两套系统各干各的，经常出现音画对不上的情况。

SkyReels V4直接从底层把这事治了。

它自研了一套双流MMDiT架构，视频和音频不再是两个模型各生成各的，而是在同一个模型内部通过双向交叉注意力同时生成，音画从第一帧起就是锁死同步的。

但光解决声音还不够。短剧操盘手的另一个噩梦是控制失灵，镜头一转主角就变脸。

SkyReels V4的解法是全模态强化学习加上精准控制系统。

强化学习搭了一套覆盖全场景的语义Reward模型，教AI「看大局」，不只是死磕每个像素好不好看，而是让画面整体在「讲一个逻辑自洽的故事」。

关键帧参考能自动补全节点间的画面，网格图参考更狠，上传最多9张剧情帧，一键生成角色不走形、场景不跳跃的连贯短剧。

不仅如此，多角色对话场景也能跑，正反打镜头切换、台词分配、表情匹配自动完成，中英法日多语种通吃。

同一套框架还覆盖去水印、去台标、删除或添加角色等后期编辑，对影视后期来说全是刚需。

我们只需给模型喂一张静图加一段实拍视频，真人演员就被无缝替换了。不仅动作节奏分毫不差，衣服在动态走位中不走形，而且原版海滩阳光、渔船背景、平移运镜也能被完美保留。

再比如，下面这个视频里有一个戴黑帽穿黑大衣的女人，手里拿着一瓶紫色液体。我们只需给模型一条指令「找到这个人和这瓶东西，删掉」，人和瓶子就能干干净净消失，背景无缝填补。

视频的问题解决了，接下来看声音。

Mureka V9

唱对了，混对了，该停的地方也停了

先说一个事实。

前一代Mureka V8，已经靠自研MusiCoT（Music Chain-of-Thought）技术在Artificial Analysis音乐模型榜单上同时拿下人声和乐器双料冠军，碾压Suno V4.5和Udio。

全球第一了，V9还升什么？

两个字：「好控」。

过去AI音乐最让人抓狂的不是「能不能生成」，而是生成了却控不住，歌词落不到对的段落，人声唱不对重点，离创作者真正想要的总差最后一层。

V9重点攻克的就是这个。

段落级歌词语义控制更精准，人声不只是「唱出来」而是「唱对了」，混音质感更通透，生成速度更快，同一创意方向下的结果也更有新鲜度。

而且，V9还多了一个能力：知道什么时候不该唱。

换句话说就是，不必要的哼唱和模糊唱词大幅减少，该留白就留白，不硬加戏。

在产品层面，同一创意可以快速出多版本，支持在旋律、人声、结构上局部保留替换，创作从「写一首歌然后定稿」变成了版本化的迭代工作流。

一句话概括就是：从「能做出作品」走向「能稳定做出你真正想要的作品」。

数据也印证了这个判断。

在主观评分中，V9在音乐旋律性（7.25）、音乐表现力（6.89）、编配编曲（6.98）三个维度全部拿下第一，超越Suno V5和Minimax 2.5。而涨幅最大的恰恰是精准控制维度，从V8的6.93直接跳到V9的7.24。

说完升级方向，直接听这首实测曲。

强烈建议空降1:08秒。短短20秒内，主唱人声在中、英、法、西四种语言间无缝穿梭。

不管语言怎么切，慵懒的民谣腔调、换气节奏甚至咬字气声都保持着惊人的一致，用四种语言的丝滑流转，硬是唱出了一种跨越国界的电影级浪漫。

但Mureka的野心不止于一个AI作曲工具。它瞄准的是AI音乐时代的Spotify。

逻辑很简单，当AI让音乐创作从「少数专业人的低频行为」变成「所有人的高频表达」，音乐就不再只是被动消费的内容，而是一种新的自我表达语言。

这种AI原生的内容形态需要一个全新的平台来承载，Mureka正是在这个判断下构建的，模型能力做底座，版本化创作工作流做引擎，表达与社交做飞轮，同时面向B端开放API嵌入场景。

市场已经在用脚投票。Mureka的ARR已经达到竞品同类模型的10倍以上，不到两年迭代九个大版本，是MusiCoT技术闭环一步步卷出来的系统能力。

在论坛现场的Mureka V9互动展区，大家体验完之后的第一反应，几乎都是：「这……真的是AI做的？！」

大概，这就是对一个AI音乐模型最高的赞美了吧。

中国AI的「全模态时刻」

现在，世界能记住了，画面能听见了，音乐能控住了。

三个行业最头疼的病，在同一场发布会上同时给出了解法。

但这件事的意义，远不止于三个模型本身。

DeepSeek在大语言模型领域的突破，说明中国AI有能力在单个赛道上挑战全球最强。

而天工AI在游戏、视频、音乐三条赛道上的同时登顶，指向一件更重要的事——

中国AI企业有能力构建全模态的技术体系，而不仅仅是在某个单点上追赶。

从单点突破到全面开花，从追赶者到领跑者，这就是「全模态时刻」的真正含义。

2026 AGI战略：从全模态突破到AI平台经济

技术登顶只是上半场。

在同一场发布会上，天工AI董事长兼CEO周亚辉发布了2026 AGI战略，核心是「3+1」布局——

三大场景大模型（Matrix-Game + SkyReels + Mureka）加上天工超级智能体。

三个模型是三把尖刀，分别插入游戏、视频、音乐三个百亿级内容产业。

天工超级智能体则是串联它们的超级平台，面向C端用户提供一站式AI创作体验，面向B端开发者开放API和生态接口。

这就是天工AI在发布会上正式亮出的「AIGC全家桶」——不是单个模型的秀技，而是一整套从生成到编辑到分发的全链条能力。

配合AI短剧平台Dramawave、AI音乐平台Mureka、AI游戏平台猫森学园2.0等产品矩阵，文本、音乐、视频、游戏四大领域全覆盖。

用周亚辉的话说，模型是引擎，平台是工厂，创作者是老板。

天工AI要做的不只是模型提供商，而是AI创作者经济的平台运营者，把最顶尖的能力开放出来，让开发者、创作者和合作伙伴都能从中受益。

这套全家桶意味着什么？

想象一下，一个人加DramaWave就能出品一部短剧，加Mureka就能发行一张全球专辑，加猫森学园就能创造一个游戏世界。

每一项在三年前都需要一个团队甚至一家公司才能完成，现在一个人就够了。

这就是周亚辉所说的「一人公司时代」。

技术不是从天上掉下来的，是一行一行代码、一篇一篇论文磨出来的。

回过头来看，最让人感慨的不是某个具体参数，而是一种整体的「势」。

2023年昆仑万维宣布All in AGI时，外界充满质疑。2023年天工大模型1.0发布，有人说是百模大战里的又一个跟风者。2024年AIGC矩阵逐渐成型但还没拿到决定性优势，依然有人观望。

到了2026年3月，四年的坚持给出了自己的答案。

全球月活近4亿，海外收入占比93%，三大模型同时站到世界第一梯队。

而这只是起点。

按照路线图，2026年是基础设施年，四大模型全部就位，能力锁定全球第一梯队。

2027年是生态爆发年，Skills生态全面开放，创作者变现通路打通，B端API对外输出。

2028年是平台经济年，三大平台冲各自领域的全球头部，Skywork Super Agent成为创作者标配。

当「全模态」从PPT上的口号变成榜单上的排名、API接口里的能力、用户手中可感知的产品，中国AIGC的「全模态时刻」，确实来了。

参考资料：

https://matrix-game-v3.github.io/

https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3

https://huggingface.co/Skywork/Matrix-Game-3.0