世界模型是否有「标准答案」，魔芯如何在中外同台中定义自己

出品 | 创业最前线

作者 | 白华

编辑 | 闪电

美编 | 小青

审核 | 颂文

11月2日，2026年世界互联网大会在浙江乌镇开幕。来自54个国家和地区的671家企业与机构，带来了1000余项新技术、新产品。从大模型、智能体到具身智能机器人，从6G网络到智能终端，今年的大会释放出一个信号：人工智能的竞争，正在从数字世界向物理世界延伸。

11月4日，在“发展新质生产力强劲增量看AI”主题论坛上，魔芯科技正式发布新一代通用四维世界模型MoWorld2.0，成为空间智能领域的一个观察样本。

（图 / 魔芯科技KOKONI官微）

相比于传统的图像和视频生成，世界模型试图进一步建立对空间结构、时间变化和物理交互的理解，并预测环境在不同动作下可能发生的变化。

对于机器人而言，这意味着它不仅要识别面前的物体，还要判断物体之间的位置关系，以及执行动作后环境会发生什么变化；对于自动驾驶系统而言，它需要理解道路、车辆、行人和天气等因素之间的动态关系；对于工业制造而言，它则有机会在虚拟空间中模拟设备、生产线和生产流程，为现实中的改造与调试提供参考。

不过，从生成一个看起来真实的场景，到构建一个能够模拟物理变化、支持交互和持续调用的虚拟环境，中间仍有不少技术难题。

世界模型能否理解物理规律，能否在复杂场景中保持稳定，能否以可接受的成本部署到真实设备，以及能否形成持续的商业收入，都是行业需要回答的问题。

魔芯科技的MoWorld 2.0，正是在这一背景下展开探索。

1、世界模型成为AI的新基础设施

过去几年，大语言模型推动了人工智能在文本理解、知识处理和内容生成方面的进展，而视觉模型则让机器能够识别和分析图像中的物体与场景。

世界模型试图在此基础上进一步建立对真实环境的内部表征：理解物体处于什么位置、空间结构如何组织、环境随时间怎样变化，以及不同动作会带来什么结果。

这意味着，世界模型关注的不只是“画面是什么样”，还包括“这个世界如何运转”。

当然，目前不同研究机构和企业对世界模型的定义、技术路线和评价体系尚未完全统一。三维生成、视频生成与世界模型之间存在技术交集，但不能简单将所有三维或视频生成产品都归入世界模型范畴。

正如AI先驱、图灵奖得主杨立昆（Yann LeCun）多次指出的那样：大语言模型无法真正理解物理世界，它们只是概率接龙。真正的智能需要一个能够预测物理结果、理解因果关系的“世界模型”。

尽管定义尚未统一，但巨头们已经用真金白银和产品表态。毕竟市场潜力很大，摩根士丹利预测，到2035年，由世界模型赋能的产业规模将达到10万亿美元。

英伟达在2025年推出Cosmos世界基础模型平台，将世界模型、数据处理工具与物理AI开发流程结合起来，服务于机器人和自动驾驶等领域。

Google DeepMind则在2025年发布Genie 3，展示了通过文本生成可实时交互动态环境的能力。其公开资料显示，Genie 3能够以每秒24帧、720P分辨率生成可供用户实时探索的环境，并在数分钟内保持一定的场景一致性。

另一边，由李飞飞创立的World Labs也在持续推进空间智能研究。其相关产品与研究探索了从图像、文本等输入生成可编辑三维世界的路径。

对于这轮竞争，魔芯科技副总裁郭力给出了自己的判断。在他看来，世界模型的赛道上，中外企业从同一起点起跑。

2026年7月，魔芯科技发布MoWorld 1.0，在空间生成质量、视频推理速度与成本上领先；9月美国企业World Labs 的Atlas将不少方面的能力做了重要的提升；而现在魔芯科技的MoWorld 2.0又把包括重力、刚性、浮力、弹力等十余项物理要素整体融入模型能力，这又是世界模型能力的一次跃升。

（图 / 魔芯科技KOKONI官微）

“大家是在互相赶超，交替领先。”郭力说。

「创业最前线」观察，从全球技术布局来看，世界模型仍处于路线探索和能力建设阶段，尚未形成统一的技术标准和评价体系。虽然技术路线各有侧重，却共同指向一个趋势：AI正在从理解和生成数字内容，走向对空间环境、物理变化和现实行动的建模。

Gartner在2026年发布的Physical AI技术成熟度曲线也指出，物理AI的发展需要模型、数据、仿真、算力、边缘基础设施和运营管理等多种能力协同，不能依赖单一模型或机器人产品的突破。

在这条技术路线中，数据是绕不开的问题。

“世界模型需要的不只是普通视频或图像，而是能够反映真实世界状态的数据。以交通场景为例，一段路口监控视频可以记录车辆和行人的运动画面，但如果要用于物理仿真和模型训练，还需要进一步标注车速、天气、能见度、路面积水积雪情况等信息。”郭力表示，这些信息并不能直接从普通视频中完整获得，仍要依赖人工进行额外的数据采集和标注工作。

2、4D动态世界，把模型能力变成产业工具

魔芯科技最早的产品形态是3D打印机。一方面，它让抽象的建模技术有了一个公众可感知、可落地的产品形态；另一方面，打印机在运行中产生的3D建模数据，又反哺了模型能力的提升。

2024年底，随着创始人陈天润及其技术团队对4D空间建模的理解不断加深，叠加AI大模型、具身智能、世界模型等概念的成熟，公司将研发重心聚焦到世界模型。

“这是一脉相承的自然演进。”郭力说。

2025年底至2026年初，公司推出KOKONI-World早期原型；2026年7月，正式推出通用四维世界模型MoWorld1.0；随后，MoWorld 2.0在乌镇亮相。

MoWorld 2.0是魔芯科技新一代通用4D世界模型，相比于1.0版本，其推理速度再创新高、更多物理属性融入、交互更加高效。

据介绍，MoWorld 2.0对重力、弹力、浮力、光照、柔体、流体、刚体、形塑体、浮力、热力等十几种物理要素实现了深度理解，并整体融入模型能力之中，输出可仿真生成、可实时渲染、可反复调用的4D高斯资产。

在动态场景理解、物理交互、实时推理和空间资产生成等方面都将带来进一步突破，从而持续提升魔芯科技在通用世界模型领域的全球领先优势。

同时，它实现了实时视频与3D/4D高斯资产的双重输出，将视频推理速度由1.0版本的最高50FPS提升至70FPS，对于3D/4D高斯资产，渲染帧率可达500FPS以上，且无需高端显卡算力并支持在移动终端高帧率运行（手机端侧也可实现100fps的渲染）。

今年10月，魔芯科技开发的应用“摸小宠”亮相华为新款手机发布会，成为MoWorld走进消费终端的又一个代表。用户上传几张宠物照片，即可生成具有空间结构、能够从不同角度观察和互动的宠物4D数字分身。

这背后是一条贯通端云的产品链路：MoWorld 2.0在华为昇腾平台完成训练，经压缩形成约6亿参数的端侧版本，在麒麟平台承担相应推理；云端参与高质量空间资产生成，手机端完成渲染、交互和呈现。

模型能力再强，也要落到真实场景里接受检验。

在机器人训练与自动驾驶方面，世界模型可以构建虚拟场景，让机器人或自动驾驶系统在数字环境中进行训练、测试和验证，减少真实环境中的试错成本。

尤其是自动驾驶的长尾场景，例如突然的暴雨暴雪、突发洪水、不守交规的行人、突然窜出的小猫，在真实世界里极难搭建，而世界模型可以7×24 小时地模拟：不仅生成“有雨”的画面，还能模拟雨点如何打在地面与车身上、积水如何形成、积水后轮胎与地面的摩擦力如何变化。这种符合真实物理规律的模拟，才是训练的价值所在。

在具身智能领域，郭力分析未来这些机器人要大规模普及，对“能理解物理世界的大脑”的需求也必然是大规模的。MoWorld 2.0已用于具身机器人“大脑”的训练，构建具备空间结构和基础物理反馈的虚拟训练环境。

在工业数字孪生领域，魔芯科技与相关公司合作，用手机拍摄车间照片/视频，生成高精度虚拟车间，产线改造先在虚拟空间调参再落地。“虚拟环境下的调整成本，只相当于原有调整方案的1/10左右”。

在影视和游戏领域，郭力认为，相比于大语言模型根据脚本生成一帧一帧的视频画面，世界模型更有价值的地方是构建一个可编辑、空间关系稳定的“虚拟摄影棚”，让导演和创作者能够进入场景，调整人物、道具、镜头和空间布局。

MoWorld 2.0可以快速生成可复用的场景资产，支持自由运镜、物体编辑和天气切换，大幅压缩前期搭景、分镜预演和概念验证周期。

（图 / 魔芯科技KOKONI官微）

换句话说，世界模型的优势在于当创作需要空间连续性、场景可编辑性和多视角一致性时，提供一种新的生产方式。

3、结语

回到乌镇。水乡的桥，最终要落在具体的石头上；世界模型也要从展台落到产线、片场和机器人身上。

魔芯科技的故事，不是“一夜造出世界”，而是把公司成立以来所积累的空间数据、工程经验和商业嗅觉，迁移到4D世界模型上。它的价值，不在于生成一个多逼真的世界，而在于让现实世界的试错更便宜，让机器人的动作更可控。

对他们来说，未来的关键是能否在三个方面形成真正的竞争力：第一，持续获得高质量、多样化的真实世界数据；第二，让模型在空间理解、动态预测和物理交互方面具备更高的可靠性；第三，通过国产算力适配、端侧部署和行业解决方案，把模型能力转化为可复制的产品与服务。

对整个行业而言，真正的分水岭或许并不在于谁最早喊出世界模型的概念，而是谁能够率先把模型放进现实世界，经受数据、成本、效率和安全的长期检验。

世界模型的竞赛才刚开始，乌镇只是一个码头；真正的航程，在产线、在片场，在那些尚未解决的物理问题里。

*注：文中题图来自摄图网，基于VRF协议。