2026年世界互联网大会11月2日在浙江乌镇开幕。54个国家和地区的671家企业与机构到场，带来1000余项新技术、新产品。

美编 | 小青 审核 | 颂文

大模型、智能体、具身智能机器人、6G网络、智能终端都出现在今年的展台上。大会传出的信号是：人工智能的竞争正从数字世界伸向物理世界。

11月4日，“发展新质生产力强劲增量看AI”主题论坛上，魔芯科技发布新一代通用四维世界模型MoWorld2.0。空间智能领域由此多了一个可以观察的样本。

世界模型跟常见的图像、视频生成不一样。它想弄明白空间结构、时间变化和物理交互，还要预测环境在不同动作下会怎么变。

落到机器人身上，它得认出面前的物体，还得判断物体之间的位置关系，以及做完动作后环境会有什么反应。自动驾驶系统要理清道路、车辆、行人和天气之间的动态关系。工业制造则可以在虚拟空间里模拟设备、生产线和生产流程，给现实中的改造调试做参考。

可要从生成一个看着真实的场景，走到建起一个能模拟物理变化、支持交互、还能持续调用的虚拟环境，中间卡着不少技术难关。

世界模型能不能理解物理规律，在复杂场景里能不能稳住，部署到真实设备的成本能不能接受，又能不能形成持续的商业收入——这些问题行业都还得回答。

魔芯科技的MoWorld 2.0，就是沿着这个方向做的探索。

1、世界模型正成为AI的新基础设施

前几年，大语言模型带动了人工智能在文本理解、知识处理和内容生成上的进步。视觉模型则让机器能识别、分析图像里的物体与场景。

世界模型想再往前一步，在真实环境里建立内部表征：物体在什么位置，空间结构怎么组织，环境随时间如何变化，不同动作又会带来什么结果。

换句话说，世界模型不只看“画面是什么样”，还要看“这个世界如何运转”。

不过，各家研究机构和企业对世界模型的定义、技术路线、评价体系还没统一。三维生成、视频生成跟世界模型有技术交集，但不能把所有三维或视频生成产品都算进世界模型。

大语言模型这类AI先驱其实并不会真正弄懂物理世界，它们做的只是按概率一个词接一个词地往下接。要称得上真正的智能，得有一个“世界模型”，能预判物理层面的结果、理清因果关联。

定义虽然没统一，巨头们已经用真金白银和产品表了态。毕竟市场潜力很大，

英伟达把世界模型、数据处理工具与物理AI开发流程接在一起，服务机器人和自动驾驶等领域。

Google DeepMind在2025年发布Genie 3，演示了用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能以每秒24帧、720P分辨率生成环境供用户实时探索，并在数分钟内保持一定的场景一致性。

空间智能这条路上，李飞飞创办的World Labs同样在推。它手里的产品和研究，试的是从图像、文本这类输入出发，生成可编辑三维世界的做法。

魔芯科技副总裁郭力对这轮竞争有自己的判断。他认为，世界模型赛道上，中外企业是从同一起点起跑的。

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把不少方面的能力做了重要提升；眼下魔芯科技的MoWorld 2.0又把重力、刚性、浮力、弹力等十余项物理要素整体融入模型能力，世界模型的能力再往上跳了一级。

“大家是在互相赶超，交替领先。”郭力说。

「创业最前线」观察到，放眼全球的技术布局，世界模型眼下还停在摸索路线、积累能力的阶段，统一的技术标准和评价体系都还没有。各家的技术路线虽各有偏重，方向却是一致的：AI正从理解和生成数字内容，转向对空间环境、物理变化以及现实行动的建模。

Gartner在2026年发布的Physical AI技术成熟度曲线也提到，物理AI要往前走，得靠模型、数据、仿真、算力、边缘基础设施和运营管理一起配合，单靠某一个模型或某一款机器人产品突破不了。

数据是这条路线绕不开的坎。郭力说，世界模型要的不是普通视频或图像，而是能反映真实世界状态的数据。他拿交通场景举例：一段路口监控视频能记下车辆和行人的运动画面，可要拿去搞物理仿真和模型训练，还得再标注车速、天气、能见度、路面积水积雪这些信息。这些内容没法从普通视频里完整提取，人工额外的采集和标注仍少不了。

2、4D动态世界，把模型能力变成产业工具

魔芯科技最早做的是3D打印机。这个产品让抽象的建模技术变得公众能感知、能落地；打印机运行中产生的3D建模数据，反过来又喂给了模型能力。2024年底，创始人陈天润和其技术团队对4D空间建模的理解越来越深，加上AI大模型、具身智能、世界模型这些概念走向成熟，公司把研发重心压到了世界模型上。

“这是一脉相承的自然演进。”郭力说。

2025年底到2026年初，KOKONI-World早期原型面世；2026年7月，通用四维世界模型MoWorld1.0正式推出；之后MoWorld 2.0在乌镇亮相。作为魔芯科技新一代通用4D世界模型，2.0相比1.0推理速度再创新高，融入的物理属性更多，交互也更高效。

据公司介绍，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都能深入理解，并整体融进模型能力，输出可仿真生成、可实时渲染、可反复调用的4D高斯资产。

动态场景理解、物理交互、实时推理和空间资产生成这几方面都会再进一步，魔芯科技在通用世界模型领域的全球领先优势也将随之延续。

它还能同时输出实时视频和3D/4D高斯资产：视频推理速度从1.0版本最高50FPS提到70FPS，3D/4D高斯资产的渲染帧率能到500FPS以上，不用高端显卡算力，移动终端上也能高帧率跑，手机端侧渲染可达100fps。

今年10月，魔芯科技开发的应用“摸小宠”在华为新款手机发布会上登场，这是MoWorld走进消费终端的又一个代表。用户传几张宠物照片，就能生成一个有空间结构、能从不同角度观察和互动的宠物4D数字分身。

支撑它的是一条端云贯通的产品链路：MoWorld 2.0在华为昇腾平台完成训练，压缩成约6亿参数的端侧版本，在麒麟平台承担推理；云端负责高质量空间资产生成，手机端做渲染、交互和呈现。

模型能力再强，也得放到真实场景里检验。

机器人训练和自动驾驶就是其中一类。世界模型能搭出虚拟场景，让机器人或自动驾驶系统在数字环境里训练、测试和验证，少在真实环境里交试错学费。自动驾驶的长尾场景尤其如此——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，真实世界里极难搭建，世界模型却能7×24 小时地模拟：不只生成“有雨”的画面，还能模拟雨点怎么打在地面和车身上、积水怎么形成、积水后轮胎与地面的摩擦力怎么变。这种符合真实物理规律的模拟，才是训练的价值所在。

具身智能那边，郭力判断未来机器人要大规模普及，对“能理解物理世界的大脑”的需求必然也是大规模的。MoWorld 2.0已经用于具身机器人“大脑”的训练，构建带空间结构和基础物理反馈的虚拟训练环境。

工业数字孪生领域，魔芯科技与相关公司合作，用手机拍车间照片或视频，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”。

影视和游戏领域，郭力认为，大语言模型是照脚本一帧一帧生成视频画面，世界模型更有价值的地方在于搭一个可编辑、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，前期搭景、分镜预演和概念验证的周期被大幅压缩。

换句话说，当创作需要空间连续性、场景可编辑性和多视角一致性时，世界模型提供的是一种新的生产方式。

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攒下的空间数据、工程经验和商业嗅觉迁到4D世界模型上。它的价值不在生成一个多逼真的世界，而在让现实世界的试错更便宜，让机器人的动作更可控。

在魔芯看来，往后能不能站住脚，要看三件事能不能同时做到：一是持续拿到高质量、多样化的真实世界数据；二是让模型在空间理解、动态预测和物理交互上更可靠；三是借国产算力适配、端侧部署和行业解决方案，把模型能力变成可复制的产品与服务。

放到整个行业看，分水岭恐怕不在谁先把世界模型这个概念喊出来。谁能先把模型放进现实世界，扛住数据、成本、效率和安全这几方面的长期检验，谁才更接近答案。

世界模型这一轮竞赛刚起步，乌镇不过是个码头。真正的航程，在产线、在片场，也在那些还没解决的物理问题里。

*注：文中题图来自摄图网，基于VRF协议。