北京
允中 發自 凹非寺
量子位 | 公眾號 QbitAI
過去一年，世界模型成為AI行業的熱詞。
真正的世界模型，不只是連續生成畫面，而是能夠理解空間、預測接下來的世界狀態（next state）。
其中，實時性很重要，因為不管是機器人決策、還是游戲娛樂，>30FPS的幀率，才能被稱之為“流暢”。
但是這一條件，絕大部分已有的世界模型都不滿足。
近期，專注于4D世界模型研發和產業化的魔芯科技，聯合浙江大學潘云鶴院士、華為等，正式發布：首個全棧基于國產NPU的實時交互世界模型MoWorld。
推理速度直接飆過50FPS，而部署成本卻只有同規模GPU方案的30%。
技術報告已經發布，近期將開源權重和代碼，并基于國產NPU超節點向公眾提供服務。
項目主頁：https://moxin-tech.github.io/moworld/
世界模型為什么一直做不到“實時”？
相比視頻生成模型，世界模型最大的區別在于“實時交互”。
過去一段時間，世界模型更多停留在學術研究和實驗階段，從研究到產業，關注的重點不再只是“能不能生成”，而是“能不能實時交互、能不能穩定部署、能不能把成本降到可用區間”。
MoWorld正是基于這一背景推出，以服務產業實際應用為目標，魔芯團隊和其戰略股東華為團隊開展了近一年的技術攻關，解決了諸多世界模型落地應用的關鍵問題。
MoWorld接收首幀、文本和相機軌跡作為條件，生成符合場景狀態和控制輸入的未來世界狀態，并通過類似W/A/S/D的連續控制方式，支持用戶在生成世界中進行實時交互，在國產NPU上實現最高>50FPS的推理，并且通過系統設計，實現極低的推理成本開支。
世界模型，第一次把成本打了下來
對于世界模型而言，生成效果只是第一步，真正決定能否落地的，是訓練成本、推理效率以及實時交互能力
圍繞這一目標，MoWorld從數據構建、模型訓練到系統部署進行了全鏈路優化，在提升模型能力的同時，也讓世界模型具備了更高的工程可用性。
首先是數據，與傳統視頻生成模型不同，世界模型訓練不僅需要視頻和文本，還需要相機軌跡、空間深度等三維信息，直接使用互聯網視頻遠遠不夠。
為此，MoWorld基于多年的3D建模/4D建模研究，構建了一套可擴展的數據生產與治理體系，并通過幾何一致性、軌跡精度、多視圖穩定性等多維質量篩選，持續提升訓練語料質量，為模型學習真實空間規律提供了可靠的數據基礎，也降低了整體的訓練開支。
為了讓世界模型真正具備實時部署能力，MoWorld又針對訓練、蒸餾和推理三個階段進行了系統級優化。
訓練階段，結合國產NPU硬件特點，引入超密集注意力并行和長序列Token并行策略，有效緩解超長視頻訓練帶來的顯存壓力，最終實現2000幀的超長訓練和推理能力。
推理階段，通過流水線執行、層級化序列并行以及動態混合精度量化等優化手段，使14B參數MoE世界模型在國產NPU平臺實現最高50 FPS實時推理，推理成本僅為同規模GPU方案的30%
從高質量數據引擎構建，到長時程訓練，再到低成本實時部署，MoWorld將世界模型從“能夠生成”一步快進到“能夠交互、能夠部署”，為世界模型的大規模產業化應用提供了一條兼顧性能與效率的魔芯路徑。
近期，MoWorld將基于國產NPU超節點，對外開放并提供服務。
MoWorld，國產世界模型引領產業應用
基于實時交互世界模型能力，MoWorld正在從“技術驗證”走向多行業多場景空間智能基礎設施。
在不同應用場景中，不局限于視頻生成能力本身，而作為一個可控的“空間模擬引擎”，為行業提供可交互、可推演同時兼具經濟性的場景生成能力。
游戲與互動娛樂：實時交互，自由探索
MoWorld支持完整的6自由度相機控制，用戶通過W/A/S/D和鼠標即可實現影視級和游戲級的沉浸式漫游。
場景真實、高清，支持1080P及以上分辨率。
無論是自然風光、二次元還是游戲動漫，均全面完成支持。
具身智能與自動駕駛：虛擬訓練，真實驗證
世界模型已成為連接生成式AI與具身智能的關鍵橋梁。
MoWorld可為機器人、自動駕駛系統提供低成本、高保真的“數字演練場”，是行業兼具仿真價值和經濟價值的最具潛力的世界模擬器，能夠為所有的智駕團隊提供大量且高精度的環境，讓AI在虛擬世界中學習如何與現實物理環境交互。
影視創作：導演運鏡，實時預演
傳統影視分鏡需要漫長的渲染周期。
MoWorld讓創作者可以在生成的虛擬世界中自由調整視角、實時預覽畫面效果、精準編輯鏡頭畫面，鏡頭控制絲滑，支持超越想象力的導演級運鏡。
數字孿生與三維重建：空間重建，精準還原
MoWorld生成的視頻具有超越行業的幾何一致性，可直接用于室內場景的三維重建——
精度高、結構穩定、空間一致性好是MoWorld區別于同行的顯著效果。
這為數字孿生、建筑可視化、虛擬展廳、沉浸式游戲等場景提供了兼具高精度和性價比的解決方案。
億元美金砸向魔芯科技：誰在定義下一代空間智能？
大語言模型和視頻生成模型的競爭格局已經清晰，但世界模型還沒有。
全球范圍內沒有公認的領先者，工程化落地路徑各家仍在摸索，行業標準也未形成。
對于國產團隊來說，這是一個少見的窗口。
起點上的差距幾乎為零，不僅有機會參與競爭，還有機會參與定義下一代空間智能的技術標準。
MoWorld在這個窗口期交出的答卷，是第一個用純國產NPU跑通訓推全棧閉環，第一個把實時交互推理做到50FPS以上，同時把推理成本壓到同規模GPU方案的30%。
資本的判斷來得比行業共識更快。魔芯科技近期完成億元美金融資，由頭部美元機構、國家戰略儲備基金和十余家產業資本共同參與。
更早之前，魔芯曾獲得華為旗下哈勃投資、聯想旗下聯融志道等基金的投資。
窗口不會一直開著。世界模型的標準由誰來定，接下來很快就會有答案。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
