三个半月前，浙大00后博士生陈天润创办的公司估值还只有40亿，如今已飙至近百亿；他放话要做“中国版Cosmos”，这次又交出了新东西。11月4日，乌镇世界互联网大会上，魔芯科技推出新一代通用4D世界模型——MoWorld 2.0。

MoWorld 2.0。

相比前一代，MoWorld 2.0在保留空间生成与实时交互能力的同时，把物理规律的建模做得更深入了。

重力、弹力、浮力、光照、柔体、流体、刚体、形塑体、热力等十余种物理要素，被装进了同一个模型。团队介绍，模型学习这些要素以及它们之间的相互作用之后，对物体运动、碰撞和环境变化的模拟会更准确，也能为物理仿真等下游任务提供支撑。

举个例子：书签掉落的画面，MoWorld 2.0能生成出来；书签和其他物体怎么接触、怎么受力，最终如何掉落、弹起，它也能模拟。

碰到水这类流体，模型对外力作用下运动变化的还原同样更细致。

以往的世界模型主要靠图像和文字指令去预测环境下一步会怎么变。MoWorld 2.0往前多走了一步：物体的材质、所受外力、彼此间的相互作用，共同决定这个世界接下来如何变化。

另外，为了让世界模型在真实场景里实时交互，团队还优化了模型在华为昇腾NPU上的运行效率，实时视频推理速度从上一代最高50 FPS提升到70 FPS。

仿真精度和成本看起来兼顾到了，这是怎么做到的？

把多种物理要素融入同一个模型

就拿翻书这件小事来说。风从哪个方向吹、力度多大，决定了书页从哪里被掀起、如何翻动；纸张自身的柔性，又决定了它受力后怎样弯曲、形变。这些因素叠在一起，才有了我们看到的翻页过程。

要让世界模型还原这个过程，它就得同时处理不同的物理要素，以及物体与环境之间的相互作用。

这种综合理解、模拟多种物理变量的思路，正是MoWorld 2.0的核心。

团队介绍，训练时模型既要学重力、弹力、柔体、流体等物理要素各自起什么作用，也要学它们叠加之后会怎样影响物体的运动和形变。

落到实现上，团队主要做了两项工作。

一是构建物理高斯渲染器，支持不同物理要素的交互与渲染；

二是用多专家预测，分别对物理、像素和高斯三类信息做出预测。

有了这套设计，模型推演物体在不同条件下的变化会更细致，物理仿真等下游任务也能拿到支撑。

物理表现之外，MoWorld 2.0还带来另一项能力。

它生成的场景能导出成3D/4D高斯资产，存下来之后还能接着编辑、渲染、反复调用。

【此处无法插入视频，遗憾……可到量子位公众号查看～】

高斯资产这个说法听着抽象，说白了，它就是保存场景的一份空间数据。

里面是大量三维“小团块”，各自带着位置、形状和外观信息，物体和环境靠它们共同表示出来。

基于这些数据，软件可以从不同视角重新渲染场景；4D资产更进一步，把空间内容随时间变化的信息也记了下来。

这么一来，模型生成的空间内容就不只是一段用完即弃的视频，而是能继续编辑、渲染和调用的资产，可以进入游戏引擎、影视制作系统，也能用在机器人仿真训练平台上。

官方演示里就有例子：MoWorld 2.0照着一幅古画，生成了一座能走进去的古代街市。

【此处无法插入视频，遗憾……可到量子位公众号查看～】

画中的店铺、街巷、行人和车船，都成了可编辑、可交互的场景内容。用户能沿街巷探索，也能调整视角，看里面的人和物怎么运动。

影视和游戏团队拿到同一处场景，可以换机位、改天气、挪物体，用在分镜预演和内容制作上。

机器人和智驾团队则能在同一个环境里改动障碍物、道路和天气条件，反复测试智能体的应对方式。

【此处无法插入视频，遗憾……可到量子位公众号查看～】

现实中很难频繁复现的雨雪、坑洼路面和突发障碍，也就此成了虚拟训练环境的一部分。

【此处无法插入视频，遗憾……可到量子位公众号查看～】

不过，要让这些应用场景撑起实时交互和反复训练，模型运行的速度和成本仍是绕不开的问题。

70 FPS背后的芯模协同

前面说的70 FPS，指的是模型实时生成新画面的速度。

用户移动镜头、改变场景之后，画面能不能及时跟上，直接取决于它，效果类似打游戏时的帧率。

MoWorld 2.0发布前，魔芯已经和华为团队围绕国产NPU做了近一年的训练与推理优化，在MoWorld 1.0上做到了最高约50 FPS的实时视频推理。

这次升级，速度提到约70 FPS，比上一代提升约40%。

团队在接受采访时告诉量子位，提速的关键在于把不同计算任务拆开，再交给多张NPU并行处理。

落到操作层面，魔芯把场景解码、主干生成这些环节拆出来，分派给多张NPU执行，靠的是昇腾开放的底层算子与并行调度工具链。多卡之间的协同调度也做了优化，显存数据来回搬运和无效计算都相应减少。

稀疏注意力机制同样被改过一遍，混合精度量化、生成算子融合这些手段也一并上了，训练和推理效率因此再往上提了一截。

成本也在这一轮优化里被压了下来。按团队给出的说法，推理成本最低可以做到同规模GPU方案的30%。

对需要不停生成训练环境的团队而言，同样的预算能覆盖更多场景变化，也能多试几轮训练。

实际应用里，MoWorld 2.0已经跑到手机这类端侧设备上。今年10月华为新款手机发布会上出现的“摸小宠”，用的就是MoWorld 2.0的终端能力。

用户传几张宠物照片上去，就能得到一个宠物的4D数字分身，可以从各个角度打量它，也能跟它互动。

这套体验是云端和手机分工完成的。高质量的4D资产放在云端生成；约6亿参数的端侧模型在昇腾平台上训练完成，再部署到搭载麒麟芯片的手机上做推理；渲染和交互则由手机端承担。

采访中我们还了解到，3D/4D高斯资产的渲染帧率能到500FPS，手机端相关渲染测试大约在100FPS。

串起来看，模型训练在昇腾平台上，端侧推理落在麒麟平台上，渲染与交互交给手机端，国产算力已经贯穿MoWorld 2.0的完整产品链路，“芯模协同”也有了具体的落地场景。

放到行业里看，世界模型年初还是被反复提及的buzzword，如今正一步步成为与语言大模型并列的新一类基座模型。

魔芯顺着这个方向，也把自己的技术迭代主线定了下来：底座用国产算力，同时往上抬物理建模能力和模型部署效率。

从一台3D打印机，到“中国版Cosmos”

说回MoWorld背后的魔芯科技。这家公司2021年成立，创办时陈天润还在浙江大学读大三，团队最早做的产品是3D打印机。

转向世界模型发生在2024年底。据公开报道，团队当时发现，正在测试的网络不只生成物体，还能生成空间；数据量往上加，空间重建的精度和一致性也在持续提高。

陈天润随后把这套建模框架搬到了世界模型项目上，公司的重心也跟着转向空间智能。

转型之后，3D打印机业务保留了下来，团队还通过影视、文旅项目验证模型能力，并拿到现金流。这段消费电子创业经历，让他习惯把研发、成本、质量和交付进度放在一起权衡。

沿着这条路，2025年12月魔芯推出KOKONI-World原型；今年7月发布MoWorld 1.0；11月模型迭代到2.0。

据今年9月的报道，魔芯在此前半年左右的时间里，从五六十人扩到了两百多人。

找产业伙伴时，团队看的不只是钱，还有算力、终端产品、销售渠道和客户场景。

融资上，魔芯今年连着做完5轮，一共拿到20亿元，估值接近百亿，已经站在独角兽那一档。

前文说到的“中国版Cosmos”，陈天润早前受访时提过中国车企这类目标客户。他把魔芯的长处归到三条：适配国产算力、能在端侧部署，再加上消费电子行业里攒下的工程经验。

他心里的图景是，魔芯要像英伟达Cosmos那样，做面向物理世界的基础模型，并且真的进到车企等厂商的业务流程里去用。

这一回和魔芯一起发布MoWorld 2.0的，是三个方向的国家人工智能应用中试基地：具身智能、文化旅游、时空地理信息。

按这次公布的安排，接下来的合作分头推进：交互仿真和机器人训练一块，文化数字资产和沉浸式体验一块，三维数据生产和大场景重建一块。

说到最后，趁MoWorld 2.0发布这个由头，不妨抛一个挺哲学的问题：

假若一个AI看过足够多物体落地的过程，它就能预判一枚从没见过的书签下一秒怎么动——

那它从数据里学到的，到底只是统计上的相关性，还是能搬到新场景里去推演结果的物理规律？

再往深一层问：我们身处的这个世界，会不会本身就是一套数学方程，由无数变量彼此作用、共同定下结果？

—完—

想追AI技术和产品新动态，可以关注后续报道。

看完有同感的朋友，欢迎点赞、关注、分享。