World models become AI's next battleground, but deployment still faces three hurdles

以具身智能为代表的物理AI是今年科技圈最火的一个词，目前也已经有不少的物理AI开始进厂了，但曾有某具身智能公司的CEO告诉我们，当前大多数进厂的具身智能，其实还不是具身智能，而只是在原本工业自动化设备上，加上一些AI的能力，真正的具身智能是能在不同产线、不同环境中，具备一定独立思考的能力，能自己感知世界的。”这点能力，当前绝大多数的机器人还不具备，所以还不能称之为具身智能。“该名CEO如是说。

无独有偶，在WAIC 2026上也有不少业内专家都曾提出，AI的核心命题正从生成，转向理解与交互的观点。而具身智能要具备理解和交互的能力，一个不可或缺的技术底座就是世界模型。

世界模型正在经历一个关键的阶段，往前跃升，既是真正解决“理解”世界和“模拟”世界的一跃，也是规模应用到具体生产生活场景的一跃。

在这场硬仗中，谁冲在最前？

为什么需要世界模型？

世界模型到底是什么？为什么李飞飞、杨立昆这样级别的科学家纷纷押注？又为什么AMD不惜豪掷重金收购李飞飞的世界模型公司World Labs？

要理解世界模型的价值，得先回到大语言模型的边界。大语言模型本质上是“预测下一个词”。通过处理海量文本、图像和视频信息，它回答下一个字、词、句是什么。这套机制在对话、写作、编程上表现惊艳，但当AI从屏幕走进物理世界，机器人要抓取一个杯子，自动驾驶要穿过一场暴雨，工厂要改造一条产线......仅仅识别和生成内容就远远不够了。系统还需要理解：物体在什么位置，空间如何变化，采取某个动作之后环境会发生什么。

世界模型要补的正是这一层。它的核心价值，是建立关于现实世界的内部模型：不仅理解当前状态，还能预测未来状态、模拟不同动作的结果，并为机器人或其他智能系统提供规划和决策依据。 李飞飞多次公开表述中反复强调一个判断：如果真实世界是三维的，机器就必须显式地理解三维结构。图灵奖得主杨立昆的JEPA系列模型则另辟蹊径，主张在抽象的表征空间内进行预测，这又被定义为“隐式”的技术路线。

全球的探索者从不同路径向同一个目标进发。李飞飞创立的World Labs 2026年9月发布新一代模型Atlas，号称全球首个多模态世界模型，原生支持文本、图像、视频和三维数据，可在统一空间上下文中生成、重建和模拟三维世界。

就在9月底，AMD以约82亿美元全股票收购了World Labs，李飞飞将出任AMD执行副总裁兼首席科学家。与此同时，英伟达以约129亿美元收购了开源模型社区Hugging Face，两大芯片巨头在同一个月里先后把手伸向了模型层。

国内市场同样热闹。从算力基座，到基础通用模型，再到垂类模型，这和大语言模型的产业格局有相似之处。智源研究院发布了悟界·Physis-v0.1聚焦统一物理状态建模，昆仑万维、腾讯、阿里等国内科技圈头部企业也各有布局。

但世界模型的产业侧和行业侧意义，远不止“下一个大模型风口”。在先进制造、具身机器人、自动驾驶、场景勘探等领域，互联网数据只能提供非常薄弱的、身处物理世界的人工智能体所需要的理解和运用物理世界的能力。真正稀缺的，是带有重力、摩擦力、材质、速度等物理变化信息的数据，是可交互、可验证、可复用的仿真环境，以及从训练到部署的闭环能力。

世界模型的价值，正在于把生成内容，推进为可交互、可验证、可复用的空间资产，比如，在自动驾驶中生成极端场景，降低实车路测成本；在具身智能中预演动作、验证决策，缩短跨产线、跨环境泛化周期；在工业数字孪生中支撑产线改造预演、风险识别和远程巡检；在影视游戏、消费终端中，让3D/4D资产被反复渲染、编辑和调用......

这也意味着，行业竞争逻辑会从单纯出售模型接口，转向提供模型、算力、数据、仿真环境和行业系统的一体化服务。因此，“芯片+模型”的软硬件一体交付，被认为是世界模型进入产业应用端之后的突出特征，芯片模组也因此成为产业布局上的重要一环。

魔芯科技正是这个产业体系中的典型样本。这家杭州公司的创始人陈天润做学术研究时专注4D空间建模，从2024年底开始，公司也全力投入空间智能赛道：

2025年12月魔芯科技发布交互式视频世界模型KOKONI-World原型。2026年7月，魔芯科技联合国家人工智能应用中试基地、华为云，发布了首个超高帧率的交互式世界模型MoWorld 1.0，并提出了“Flash World Model”的概念，标志着AI从生成内容迈向可交互的世界模拟。

而就在近日举办的世界互联网大会上，魔芯科技联合具身智能、文化旅游、时空地理信息三个方向的国家人工智能应用中试基地，发布了基于华为昇腾原生的4D世界模型MoWorld2.0。据介绍，该模型可深度理解重力、弹力、浮力、光照、柔体、流体、刚体、热力等十几种物理要素，并整体融入模型能力，能推理动作发生后世界如何变化，输出可仿真生成、实时渲染、反复调用的4D高斯资产。其实时推理由速度 从1.0版时的最高约50FPS提升至约70FPS，3D/4D资产渲染达500FPS以上，手机端约100FPS。模型在全国产昇腾算力上训练部署，推理成本最低可降至同等规模GPU方案的30%，可用于具身训练、自动驾驶、工业数字孪生、影视游戏和文旅等场景。

这样的技术迭代速度带来了资本市场的极大关注。过去10个月魔芯科技连续完成5轮融资，累计融资20亿元，投资方涵盖深创投、浙创投等国资，联想控股、传音科技、中国电信、华策影视、富瀚微、中芯聚源等产业资本，以及多家科技VC，投资方结构覆盖芯片、算力、智能终端、数字内容和先进制造。

有分析认为，这意味着对世界模型产业化的多方共同布局已经进入关键阶段，产业链上下游的核心玩家正在对世界模型的产业化价值进行集体押注。

当然，这些投资机构看好的不仅是一家做世界模型的厂商，更是魔芯科技背后的世界模型赛道，据摩根士丹利预测，到2035年由世界模型赋能的产业规模将达到10万亿美元。

世界模型背后的三道坎

热闹的融资和发布会背后，世界模型行业实际上仍处于早期阶段。几乎所有从业者都承认，摆在面前的至少有三道坎。

第一道坎是真实世界数据的获取成本。这个问题经常被低估。大语言模型训练所需的文本数据，数字化水平已经很高，获取和标注的成本相对可控。但世界模型需要的不只是视频和文本，它需要相应的物理变化信息：重力、摩擦力、材质、速度等等。

高质量世界模型训练数据需要同时描述视觉外观、相机运动、空间结构和动态变化。据介绍，魔芯科技基于在3D/4D视觉几何方面的积累，建设了几何感知的数据引擎，通过相机位姿估计、三维重建、动态区域过滤、轨迹校验和多视角一致性评估，对训练数据进行筛选和治理，通过数据采集、模型训练、场景验证和应用反馈形成持续的数据闭环。这套工程能力不性感，但决定了模型的下限。

第二道坎是实时性和成本之间难以调和的矛盾。这是世界模型区别于大语言模型的一个硬约束。大语言模型生成一段回复，慢几秒用户尚可接受；但世界模型通常参数量大、计算量高，如果无法快速响应，机器人和自动驾驶等闭环系统就难以使用，一个机器人不可能等两秒钟才知道前方有台阶；而如果推理成本过高，又难以规模部署。

矛盾的另一面是硬件。目前主流世界模型大多依赖高端GPU，这也正是魔芯科技选择国产NPU路线的原因。据公司披露，MoWorld系列模型从数据构建、模型训练到系统部署进行了全链路优化，在端侧规模部署也有了实现的基础。

第三道坎是生成世界与真实世界之间的一致性鸿沟。模型可能生成看上去合理的内容，但在物理规律、碰撞关系、物体状态和因果关系上，要和真实物理世界实现一致则还需要验证。世界模型正从生成式仿真工具，走向可交互训练环境，但距离直接承担高风险场景中的完整控制职责，还需要更多真实数据、物理验证和行业测试。从看起来真实，进一步走向行为上可靠，再到产业上可用，这条路相当漫长。而魔芯科技MoWorld2.0所具备的融合理解多种物理要素的能力，正是其中一个关键的技术跨越。

世界模型落在哪里？

尽管挑战重重，世界模型的产业化已经在几个方向上先跑了出来。首先就是要求相对较低的一些消费级的场景。比如，魔芯科技联合华为发布鸿蒙应用“摸小宠”。

用户只需要上传几张宠物的照片，就能在手机里生成一只具有空间结构、可以互动和持续变化的宠物4D数字分身。这背后是魔芯科技的MoWorld 2.0模型，它不仅在昇腾平台上完成了训练，还经过量化与裁剪形成了端侧版本，在麒麟芯片上运行约6亿参数规模的模型。这是4D世界模型第一次进入手机应用，也意味着世界模型开始从云端走向终端用户的口袋。

除了C端的应用之外，在B端的产业场景中，世界模型的价值也在逐渐显现。比如，小马智行与摩尔线程在自动驾驶领域的合作中，世界模型每周可生成超过100亿公里的测试数据，并能衍生出数百甚至数千种变化的“险境”，让虚拟司机在反复训练中不断进化。五一视界CEO鲍世强则指出，真正制约模型持续进化的并非数据总量，而是高价值数据的供给能力，仿真是高价值数据的放大器。在具身智能训练方面，星源智发布的ω-EVA世界模型首次实现了“预演、验证、行动”的决策闭环，在LIBERO测试中平均成功率达98.6%。在工业数字孪生领域，国家管网集团展出的管网工业世界模型，正用于支撑复杂工况仿真推演和潜在风险智能识别。

而魔芯科技所选择的通用世界模型的技术策略路线，使其在B端应用方面具有了更广泛布局的基础。比如，在工业数字孪生领域，MoWorld 2.0模型正用于将工厂产线、矿山等真实环境转化为空间资产，服务设备布局、改造预演、培训协作和远程巡检；在具身智能训练领域，MoWorld 2.0能够构建具备空间结构和基础物理反馈的虚拟训练环境，支持机器人开展反复训练和试错；在自动驾驶训练领域，模型可以在统一的3D/4D空间中生成雨雪天气、坑洼路面、突发障碍和复杂交通环境等长尾场景，提升训练效率；在城乡规划和文旅领域，模型则可用于空间方案展示、虚拟游览、数字景区和沉浸式内容生产；在影视和游戏领域，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，提升内容制作效率......

随着世界模型不断向各个应用场景中渗透，未来的商业模式也将有所变化，竞争重点会从单纯出售模型接口，转向提供模型、算力、数据、仿真环境和行业系统的一体化服务。模型是否能够持续运行、是否具备可控成本、是否能接入客户现有系统，将与模型效果同样重要。

面对这个趋势，魔芯科技给出的组合是“通用4D世界模型+国产算力基座+产业场景”，并希望推动世界模型从实验室演示走向真实应用，“世界模型最终不会只是一个独立产品，而可能成为机器人、智能汽车、工业软件、数字孪生和新型内容平台共同使用的基础设施。”这就是魔芯科技创始人陈天润的预判。