MoWorld-3 D世界模型发布，打通AI从“对话交互”到“物理交互”的关键一步

在不久前落幕的2026世界人工智能大会（WAIC）期间，“世界模型”成为场内外热议的高频词。目前，大多数视频生成模型仍在比拼影视创作能力，而业界前沿目光已转向一个更具挑战性的命题，为视频模型引入物理可交互信号，让用户以物理输入的形式与模型进行交互。有业界认为，世界与视频的关键区别就在于世界是可实时物理交互的，因此一个可物理交互的视频模型等价于创造了一个世界，也就是世界模型。

世界模型应用非常广泛，它走向产业风口的真正原因，是源于近两年的大量的现实需求。产业界意识到，要让AI进入工厂车间、驶入城市道路、走进家庭场景，仅靠语言能力远远不够，必须掌握重力、碰撞、摩擦乃至因果关系等物理世界的基本法则。而在现实环境中反复试错成本高昂、风险不可控，世界模型提供的虚拟仿真场，将训练试错转移至算力集群，大幅降低落地门槛。此外，世界模型在游戏娱乐、影视内容创作、工业测绘等领域都展现了巨大的应用潜力。

业界普遍认为，2026年是“世界模型元年”。在此背景下，国产世界模型的突破显得尤为关键。

7月16日，WAIC开幕前夕，国家人工智能应用中试基地（具身智能）联合华为、魔芯（杭州）科技有限公司于杭州正式发布MoWorld-3D世界模型，全栈基于N腾NPU构建的交互式三维世界模型正式亮相。MoWorld-3D将走出实验室，成为即插即用的公共工具，向全行业开放能力，支撑各领域空间智能应用快速落地。

MoWorld-3D的核心能力很直观，用户可通过图像、文本等输入方式生成具备空间结构的三维场景，实现一套完整的、符合现实物理逻辑的高清3D场景。MoWorld-3D采用相机的六自由度运动作为物理信号，用户可在其生成的“世界”里行走、转身、环绕观测场景全貌。并且所产生的世界中建筑结构、道路走向、物体位置均贴合真实空间规律。

此次MoWorld-3D正式发布，也是魔芯科技技术路线的重要里程碑。成立于2021年的魔芯科技，长期深耕4D动态世界基座大模型研发，以全国产算力为底座，主攻空间智能核心技术，产品覆盖自动驾驶、工业数字孪生、影视3D内容、具身智能等多个赛道。早在2025年12月，魔芯科技便落地华为（杭州）培训中心，推出交互式视频世界模型KOKONI-World原型，完成技术可行性验证。2026年7月，魔芯科技再次推出全国产自研世界模型基座MoWorld。这次，基于MoWorld强大的场景生成能力作为基础，MoWorld-3D实现了架构、性能、工程化能力全面升级，实现从实验室原型到规模化落地的完整跨越。

技术参数层面，MoWorld-3D采用28B参数MoE混合专家架构，依托N腾NPU集群稳定运行，推理综合成本仅为同等规模进口GPU方案的30%。低成本、高实时性的双重优势，为具身智能规模化训练打开了全新路径。

超高实时交互性能与成本优势，源自魔芯科技与N腾AI长达一年多的深度联合创新。不同于普通视频模型，世界模型对长序列训练、多卡并行调度、推理时延、集群稳定性提出严苛要求，单纯硬件适配无法释放全部性能。N腾不仅提供稳定可靠的自主创新算力底座，更开放底层算子、并行调度工具链。双方团队围绕N腾AI基础软硬件开展系统性技术攻关，完成多NPU协同调度优化、注意力计算轻量化、混合精度量化、生成算子融合等多层改造，将场景解码、主干生成任务拆分至多卡并行执行，减少显存冗余搬运与无效计算，最终实现高速低成本的“世界”生成。

对于人形机器人、自动驾驶等产业而言，MoWorld-3D的落地具有重要意义。过去，工业机器人、服务机器人掌握抓取、避障、搬运等动作，需要在真实产线、居家环境中成百上千次实操试错，设备损耗、场地、时间成本居高不下，还存在碰撞伤人、设备损毁的安全隐患。依托MoWorld-3D搭建的数字仿真训练场，机器人所有动作演练均可在虚拟空间完成，碰撞、失误仅产生虚拟损耗，支持高频次复盘迭代。

当全球AI产业正在加速从会聊天的语言智能向能行动、懂物理的空间智能跃迁，MoWorld-3D依托N腾算力实现全栈自研突破，不仅为具身智能、自动驾驶、数字孪生等行业发展提供了自主可控的数字底座，更为空间智能产业自主化发展探明了可行路径。

主题：世界模型|MoWorld-3D