新智元报道

【导读】世界模型正式迈入实时交互时代。刚刚当行业主流仍困于5-10FPS的全球性能泥潭时，中国团队魔芯科技联合浙江大学潘云鹤院士团队，首个生英成功发布全球首个“Flash World Model”——MoWorld。超高该模型不仅实现了超过50FPS的帧世帧超高帧率推理，更实现了从训练、界模蒸馏到部署的型诞全栈国产NPU闭环，推理成本较同规模GPU方案降低70%。伟达这一突破标志着世界模型产业化拐点提前到来。含量

一、狂飙 破局：捅破实时性“天花板”

长期以来，刚刚世界模型在产业应用中面临一个核心痛点：“能看，全球但不能玩”。首个生英

对于机器人决策、超高游戏交互及数字世界推演而言，帧世帧实时性至关重要。研究表明，帧率低于30FPS将严重破坏沉浸感，导致技术难以走出实验室。实时性，曾是横亘在世界模型商业化之路上的最后一道天堑。

如今，这道天堑被中国团队攻克。MoWorld作为全球首个Flash World Model，首次将世界模型推入50FPS+的实时时代。技术报告已发布，近期将开源权重与代码，并基于国产NPU超节点向公众提供服务。

技术报告链接：https://moxin-tech.github.io/moworld/

二、 创新：全栈国产NPU的“难而正确”之路

MoWorld并未跟随主流GPU堆叠路线，而是选择了一条更具挑战性的路径——全栈基于国产NPU构建。

这并非简单的模型迁移，而是从数据、训练、蒸馏到推理部署的全链路重构：

1. 数据基座：全自采与3D标注

世界模型对数据的要求远高于视频生成模型，需包含相机轨迹、几何尺寸及空间结构信息。
* 数据引擎升级：依托魔芯科技多年3D/4D建模积累，MoWorld建立了全自采、全3D标注的数据管线。
* 高精度标注：不仅标注相机位姿，更标注物体几何与空间结构，为模型构建坚实的数据底座。

2. 训练优化：突破显存限制

针对国产NPU硬件特性，团队重新设计了训练系统：
* 并行技术：引入超密集注意力并行、长序列Token并行等技术。
* 长时能力：大幅缓解超长视频训练的显存压力，实现2000帧长时训练与推理能力。

3. 推理加速：极致性能释放

在推理阶段，通过一系列系统级优化实现性能飞跃：
* 流水线执行
* 层级化序列并行
* 动态混合精度量化

最终，14B参数的MoE世界模型在华为Ascend 910C CloudMatrix384 NPU平台上，实现了极限超过50FPS的实时推理速度，且典型配置下推理成本比同规模GPU方案降低70%。

三、 价值：从“能做”到“用得起”

世界模型长期存在“模型越强，成本越高”的矛盾。MoWorld的出现，通过更具成本优势的国产算力平台，改变了这一局面：

• 降低门槛：减少高昂GPU投入与复杂集群维护成本。
• 加速验证：企业可更快速进行应用验证与规模化复制。
• 产业跃迁：推动世界模型从实验室的“能做”，迈向产业界的“能用”与“用得起”。

四、 应用：四大行业迎来变革

随着实时交互成为可能，以下领域将率先受益：

1. 游戏与互动娱乐：沉浸式自由探索

• 6自由度控制：支持W/A/S/D及鼠标操作，实现影视级漫游。
• 高清画质：支持1080P及以上分辨率，涵盖自然风光、二次元及游戏动漫场景。

2. 具身智能与自动驾驶：低成本数字演练场

• 高保真仿真：为机器人和自动驾驶提供高精度环境数据。
• 虚实交互：让AI在虚拟世界中学习物理交互，兼具仿真价值与经济价值。

3. 影视创作：导演级实时预演

• 实时运镜：支持自由调整视角、实时预览与精准编辑。
• 高效流程：打破传统漫长渲染周期，实现丝滑的导演级镜头控制。

4. 数字孪生与三维重建：高精度空间还原

• 几何一致性：生成视频具备超越行业的几何一致性，结构稳定、空间准确。
• 多场景适用：为数字孪生、建筑可视化、虚拟展厅提供高性价比解决方案。

五、 展望：物理AI的“DeepSeek时刻”

相比大语言模型和视频生成模型，世界模型仍处于产业早期，全球尚未形成统一标准。这为国产世界模型提供了“同一起跑线”的机会，有望参与定义下一代空间智能的技术标准。

MoWorld的核心意义在于：
1. 验证可行性：证明全栈国产算力足以支撑世界模型的实时交互与产业部署。
2. 竞争转向：行业竞争焦点从“模型规模”转向“真实世界进入能力”。

资本与市场反馈：
魔芯科技凭借MoWorld的技术突破与产业化进展，近期获得过亿美元融资，投资方包括国家级战略储备资本、中东知名美元机构、头部市场化基金及十余家产业资本。此前，公司已获华为哈勃投资、联想控股旗下基金支持。

真正属于世界模型的时代，正以Flash World Model为起点，快步向前。