魔芯 MoWorld 2.0：昇腾原生 4D 世界模型推理成本降至 GPU 三成

48 minutes ago AI笔记

一句话结论：魔芯科技在乌镇世界互联网大会上发布的 MoWorld 2.0，把世界模型从生成画面推进到可编辑的 4D 资产，并把推理成本压到同规模 GPU 方案的 30%。

11 月 4 日，世界互联网大会”发展新质生产力 强劲增量看 AI”主题论坛现场，魔芯科技创始人兼 CEO 陈天润联合具身智能、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代表，发布了基于华为昇腾原生的 4D 世界模型 MoWorld 2.0。这是该公司继今年 7 月 MoWorld 1.0 之后的第二次大版本升级。

世界模型这个概念过去两年被反复讨论，但多数产品仍停留在”生成一段看起来像世界的视频”这一步。MoWorld 2.0 想跨过这条线的地方在于两个可量化的指标：视频推理速度从 1.0 的约 50 帧每秒提升到约 70 帧每秒，3D/4D 高斯空间资产的渲染速度达到 500 帧每秒以上，同一套方案在真实 AWS 之外的国产算力基座上，推理成本最低可降至同规模 GPU 方案的 30%。

从重建空间到建模物理，模型要多管十几种要素

MoWorld 2.0 的核心表述是”4D 世界模型”。相比 1.0，这次升级把重力、弹力、浮力、光照、热力，以及刚体、柔体、流体、形塑体等十几种物理要素与对象特性，整体融进空间建模和交互能力里，输出可用于仿真、可实时渲染、可反复调用的 4D 高斯资产。

官方给了一个很具体的例子：模拟微风吹动书页、书签掉落地面的过程，需要同时考虑风的力度与方向、纸张的柔性、书签的重量，以及地板的刚性和接触关系。这个例子的价值在于它标出了一条清晰的技术边界。视频生成模型要的是”画面看起来是什么样”，世界模型要回答的是”当动作发生后世界会如何变化”，后者要求模型内部保留可交互的状态，而不是只输出一段像素。

对生成物本身，MoWorld 2.0 的处理方式是把它做成资产而不是画面。生成的空间可以保留，物体可以编辑，场景可以反复调用。用户既能进入其中观察，也能改变其中的内容与状态，供下一次创作、训练和验证继续使用。这一点决定了它在产业链上的位置。百度 ApolloWorld 提出的 2+3 评价标准同样在解决世界模型怎么被度量、怎么被交付的问题，两条路线从不同入口逼近同一件事。

三组性能数字背后是一套工程分工

下表汇总了 MoWorld 2.0 公布的实时性能指标与成本口径。

指标 MoWorld 1.0 MoWorld 2.0 含义
视频推理速度 最高约 50 帧/秒 约 70 帧/秒 实时场景生成的帧率上限
3D/4D 高斯资产渲染 未公布 500 帧/秒以上 已生成资产的重复渲染吞吐
手机端渲染 未公布 约 100 帧/秒 消费级终端可接受的交互帧率
推理成本 未公布 最低降至同规模 GPU 方案 30% 公司自测与测算口径
端侧模型规模 未公布 约 6 亿参数 麒麟平台运行的端侧版本

三组帧率数字对应的是三条不同的技术路径。视频推理速度决定的是生成一张新场景要等多久，这是最吃算力的一环。资产渲染速度决定的是已经做好的空间能不能流畅地被人绕着看、拖着改，这一步对帧率的要求和生成不同，更接近实时渲染管线的水平。手机端 100 帧每秒则把门槛压到了消费级硬件上。

成本那一行的 30% 需要谨慎对待。魔芯科技的表述是”根据公司测试与测算，相关方案推理成本最低可降至同等规模 GPU 方案的 30%”，这是自建对比而非第三方基准，而且用了”最低”这个限定词。国产算力在推理成本上做突破，价值不只在数字本身。昇桥 AscendBridge 在 1.6 万亿参数后训练中把 MFU 做到 34.22%，反映的是同一件事的另一面：国产算力的短板长期在工程效率，而长序列训练、多 NPU 协同调度、推理系统优化这几项恰好是 MoWorld 2.0 团队与昇腾团队联合创新的重点。

摸小宠：世界模型第一次进消费终端

今年 10 月，魔芯科技开发的消费级应用”摸小宠”亮相华为新款手机发布会。用户在手机上上传几张宠物照片，就能生成一个具有空间结构、能够从不同角度观察和互动的宠物 4D 数字分身。

这套链路的分工写得很清楚：MoWorld 2.0 在华为昇腾平台上训练，形成约 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 4D 资产生成，手机端完成渲染、交互和呈现。这是一次典型的端云协同分工。云端做不动的事情交给端侧，端侧做不好的质量交给云端，中间用同一种资产格式衔接。

这个落点的意义不亚于 70 帧每秒那个数字。世界模型过去一年的落地困境在于成本：训练和推理都在云上，跑一次就是一次真金白银的开销，规模化部署几乎不可能谈起。端侧版本把推理成本压到了消费硬件能承受的区间，才让世界模型有可能从演示变成产品。蚂蚁灵波 LingBot 全栈 2.0 走的是类似的路子，用 220 万下载量验证具身智能模型的端侧可用性。

五个行业方向，一套共同的底座

MoWorld 2.0 当前推进的应用验证覆盖五个方向，每个方向用到的能力并不相同。

  • 具身智能训练：构建具备空间结构和基础物理反馈的虚拟环境，支持机器人反复训练、试错和复盘，把部分探索先在数字空间里完成。
  • 自动驾驶训练：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，拓展可重复测试的环境。
  • 工业数字孪生：把工厂产线、矿山等真实场景转化为可编辑空间资产，服务设备布局调整、产线改造预演、远程协作、异常场景模拟和数字化培训。
  • 城乡规划与文旅：空间方案展示、虚拟游览、数字景区和沉浸式内容生产。
  • 影视与游戏：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，压缩前期搭景、分镜预演和概念验证周期。

把这五条并排放，能看出 4D 高斯资产这个中间格式的意义。自动驾驶的长尾场景生成、影视的可复用资产、机器人的物理反馈训练，都指向同一个需求：场景要能被反复调用，而不是每次重新生成一遍。Google Genie 4 的两分钟世界模拟与原生音频走的是把生成做成可交互实时的路径，MoWorld 2.0 则把产物固化成资产，路线不同，但都在解决世界模型怎么重复使用这一个问题。

融资与产能：发布背后的产业逻辑

魔芯科技今年以来已连续完成 5 轮融资，整体融资金额 20 亿元，投资方既包括深创投、浙创投等国资机构，也包括众多产业资本以及国内外多家科技投资方，覆盖芯片、算力、智能终端、内容平台和先进制造等领域，公司估值近 100 亿元。据此前媒体报道，公司新一轮融资已经启动推进，延续了产业资本密集参与的特点。

MoWorld 2.0 也是魔芯加入”梦想启航·鲲鹏昇腾种子计划”后的阶段性成果。这个身份让这家公司同时踩在两条线上：一条是世界模型这条技术路线，一条是国产算力基座这条供应链路线。用昇腾训练和部署，换来推理成本相对同规模 GPU 方案三成的价格优势，这是纯粹的模型公司很难单独复制的组合。

常见问题

MoWorld 2.0 和 1.0 的核心差别是什么

差别集中在物理建模与产物形态两点。1.0 主要做空间重建和画面生成，2.0 把重力、弹力、浮力、光照、热力以及刚体、柔体、流体、形塑体等十几种物理要素整体融入建模与交互，输出从一次性画面变成可编辑、可反复调用的 4D 高斯资产。实时性能上视频推理从约 50 帧每秒提升到约 70 帧每秒，资产渲染达到 500 帧每秒以上。

推理成本降到 GPU 方案的 30% 是怎么算出来的

这是魔芯科技基于自身测试与测算给出的数字，属于公司口径而非第三方基准，表述中带有”最低”限定。支撑它的是三方面工作：长序列训练、多 NPU 协同调度和推理系统优化，全部在全国产昇腾算力基座上完成。理解这个 30% 时需要把它当作条件性结论，条件是昇腾基线加自建的推理优化方案。

普通人现在能用上 MoWorld 2.0 吗

已经有落地入口。消费端的应用”摸小宠”在华为新款手机上通过上传几张宠物照片生成宠物 4D 数字分身，链路是云端生成高质量资产、约 6 亿参数的端侧版本在麒麟平台推理、手机端负责渲染交互。企业侧则主要通过与合作伙伴分步推进应用验证、场景实施和产品交付，集中在具身智能训练、自动驾驶、工业数字孪生、影视制作和文旅消费五个方向。

小结

MoWorld 2.0 的看点不在某个孤立的跑分，而在三件事同时成立：物理要素进入了模型内部，产物变成了可复用资产，推理落到了消费级硬件。7 月的 1.0 证明了国产算力能跑世界模型，11 月的 2.0 则试图证明这套组合可以规模部署。30% 的成本数字还需要更多第三方验证，端侧版本的实际表现也值得等消费终端上市后再看一次。

相关阅读

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

Related News