浙大00后博士生再交卷！把十几种物理要素装进一个世界模型｜华为昇腾原生

henry发自 凹非寺
量子位 | 公众号QbitAI

时隔三个半月，创办的公司估值从40亿飙至近百亿、放话要做“中国版Cosmos”的浙大00后博士生陈天润，又交卷了。

11月4日，在乌镇的世界互联网大会上，他创办的魔芯科技带来了新一代通用4D世界模型——

MoWorld 2.0。

MoWorld 2.0在前一代空间生成与实时交互能力的基础上，进一步加强了对物理规律的建模能力。

它将重力、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融入同一个模型。

据团队介绍，通过学习这些物理要素及其相互作用，世界模型能够更准确地模拟物体运动、碰撞和环境变化，并为物理仿真等下游任务提供支持。

比如，在下面的例子中，MoWorld 2.0不仅可以生成书签掉落的画面，还能模拟出书签与其他物体如何接触、受力，以及最终如何掉落、弹起。

当面对水这样的流体时，也能更细致地还原其在外力作用下的运动变化。

可以说，相较于以往主要根据图像和文字指令，预测环境接下来会发生什么的世界模型，MoWorld 2.0这次则进一步——

让物体的材质、所受外力以及彼此间的相互作用，共同决定这个世界接下来会怎样变化。

与此同时，为了让世界模型在真实场景中实现实时交互，团队还进一步提升了模型在华为昇腾NPU上的运行效率，将实时视频推理速度从上一代最高50 FPS推至70 FPS。

看起来，这似乎是兼顾了仿真精度与成本，这是怎么做到的？

把多种物理要素融入同一个模型

先拿翻书这件小事来说。

风从哪个方向吹来、力度有多大，影响着书页从哪里被掀起、怎样翻动。

纸张本身的柔性，则决定它受力后的弯曲和形变。

这些因素叠加在一起，形成了我们最终看到的翻页过程。

如果我们想让世界模型还原这个过程，就需要它同时处理不同的物理要素，以及物体-环境之间的相互作用。

而这种综合理解、模拟多种物理变量的思路，正是MoWorld 2.0的核心。

据团队介绍，在训练过程中，模型既要学习重力、弹力、柔体、流体等物理要素各自的作用，也要学习它们叠加之后，会怎样影响物体的运动和形变。

具体到实现，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；

二是采用多专家预测，对物理、像素和高斯三类信息进行预测。

这些设计能够让模型更细致地推演物体在不同条件下的变化，为物理仿真等下游任务提供支持。

除了物理表现，MoWorld 2.0还有一项值得关注的能力：

生成的场景，可以输出为3D/4D高斯资产，保存下来，继续编辑、渲染和反复调用

【此处无法插入视频，遗憾……可到量子位公众号查看～】

高斯资产听着有点抽象，但简单来说，可以把它理解成保存场景的一份空间数据。

其中，大量带有位置、形状和外观信息的三维“小团块”，共同表示物体和环境。

软件可以基于这些数据，从不同视角重新渲染场景；4D资产则在此基础上，进一步记录空间内容随时间变化的信息。

这样一来，模型生成的空间内容就不再只是一段一次性的视频，而是能够被继续编辑、渲染和调用的资产，进一步进入游戏引擎、影视制作系统，以及机器人仿真训练平台。

比如，在官方演示中，MoWorld 2.0根据一幅古画，生成了一座可以走进去的古代街市。

【此处无法插入视频，遗憾……可到量子位公众号查看～】

画里的店铺、街巷、行人和车船，变成了可编辑、可交互的场景内容。用户可以沿着街巷探索，也可以调整视角，观察其中的人和物如何运动。

对影视和游戏团队来说，同一处场景可以换机位、改天气、调整物体，用于分镜预演和内容制作。

对机器人和智驾团队来说，则可以在同一个环境中改变障碍物、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～】

现实中难以频繁复现的雨雪、坑洼路面和突发障碍，也由此成为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，想要让这些应用场景支撑实时交互和反复训练，还要关注模型运行的速度和成本。

70 FPS背后的芯模协同

前面提到的70 FPS，指的是模型实时生成新画面的速度。

它直接影响用户移动镜头、改变场景后，画面能否及时跟上，类似我们打游戏的帧率。

在MoWorld 2.0发布之前，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上实现了最高约50 FPS的实时视频推理。

这次升级后，速度提高至约70 FPS，较上一代提升约40%。

在采访中，团队告诉量子位，这次提速的关键，是将不同计算任务拆开，再交由多张NPU并行处理。

具体来说，魔芯利用昇腾开放的底层算子和并行调度工具链，将场景解码、主干生成等任务拆分到多张NPU上执行；同时优化多卡之间的协同调度，减少显存数据的重复搬运和无效计算。

此外，团队还优化了稀疏注意力机制，并采用混合精度量化、生成算子融合等手段，进一步提高训练和推理效率。

速度之外，成本也在这轮优化之中。

据团队介绍，其推理成本最低为同规模GPU方案的30%。

对于需要持续生成训练环境的团队来说，这意味着同样的预算可以覆盖更多场景变化和训练尝试。

在具体的应用中，MoWorld 2.0已经进入了手机这类端侧设备。

今年10月，在华为新款手机发布会上亮相的“摸小宠”，就是MoWorld 2.0的一项终端应用。

用户上传几张宠物照片，就能生成宠物的4D数字分身，从不同角度观察它，并与它互动。

据悉，这套体验由云端和手机协同完成：高质量的4D资产在云端生成；约6亿参数的端侧模型在昇腾平台上完成训练，再部署到搭载麒麟芯片的手机上进行推理；手机端负责渲染和交互。

此外，在采访中，我们还进一步得知，3D/4D高斯资产的渲染帧率可达500FPS，手机端相关渲染测试约为100FPS。

总体看下来，从昇腾平台上的模型训练，到麒麟平台上的端侧推理，再到手机端的渲染与交互，国产算力已经开始贯穿MoWorld 2.0的完整产品链路，“芯模协同”也由此落到了具体应用中。

而放眼整个行业，世界模型正从年初被频繁讨论的buzzword，逐渐走向与语言大模型并行的新一类基座模型。

顺着这一趋势，魔芯也逐步确立了自己的技术迭代主线：以国产算力为底座，同时提升物理建模能力与模型部署效率。

从一台3D打印机，到“中国版Cosmos”

最后，让我们说回MoWorld背后的魔芯科技。

这家公司成立于2021年。创办它时，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。

从打印机到世界模型的转折，发生在2024年底。

据公开报道，当时团队发现，正在测试的网络不仅能生成物体，还能生成空间；随着数据量增加，空间重建的精度和一致性也在持续提高。

陈天润随后将这套建模框架迁移到世界模型项目，公司的重心也随之转向空间智能。

转型之后，团队保留了3D打印机业务，同时通过影视、文旅项目验证模型能力，并获得现金流。

这段消费电子创业经历，也让他习惯了把研发、成本、质量和交付进度放在一起考虑。

沿着这条路线，2025年12月，魔芯推出KOKONI-World原型；今年7月，发布MoWorld 1.0；到了11月，模型迭代至2.0。

与此同时，据今年9月的报道，魔芯在此前半年左右，从五六十人扩张到了两百多人。

在引入产业伙伴时，团队看重的还包括资金之外的算力、终端产品、销售渠道和客户场景。

融资方面，魔芯今年已经连续完成5轮融资，总额20亿元，估值近百亿，跻身独角兽行列。

至于开头提到的“中国版Cosmos”，陈天润此前在采访中谈到了中国车企等目标客户，并将魔芯的优势概括为三点：国产算力适配、端侧部署，以及消费电子领域的工程经验。

他的设想是，让魔芯像英伟达Cosmos一样，成为面向物理世界的基础模型，并真正进入车企等厂商的实际业务流程。

这次与魔芯共同发布MoWorld 2.0的，则是具身智能、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。

根据此次公布的计划，后续合作将分别围绕交互仿真与机器人训练、文化数字资产与沉浸式体验，以及三维数据生产和大场景重建展开。

最后的最后，借着这次MoWorld 2.0发布，咱们不妨问一个相当哲学的问题：

如果一个AI见过足够多物体落地的过程，就能预测一枚此前从未见过的书签，下一秒会如何运动——

那么，它从数据中学到的，究竟只是统计意义上的相关性，还是能够迁移到新场景、用于推演结果的物理规律？

或者，一个更终极的问题是：我们生活的世界，是否本就只是一套由无数变量相互作用、共同决定的数学方程？