出品｜搜狐科技
作者｜郑松毅
2026世界人工智能大会期间，昆仑万维举办的“世界模型与多模态范式跃迁”专场论坛，在上海顺利开展。昆仑万维董事长兼CEO方汉，在活动上高调宣布“世界模型元年”已经到来，指出AI技术路径正在从内容生成转向物理世界交互层面。
论坛现场，昆仑万维对核心模型进行了重大升级，发布了Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型，这些模型覆盖了世界模型、AIGC创作等多个前沿领域。方汉预测，往后三五年世界模型将有潜力成为游戏行业的基石，其影响力还会渗透到影视等不同产业。
圆桌讨论环节，演员黄晓明表示，他对AI技术的进步速度感到惊讶，认为AI生成的人物微表情、毛孔等领域已经非常逼真，他对AI领域的前景表示出兴趣，并且有考虑进行相关投资。演员王珞丹则分享了她在创作时运用提示词，不断调整寻找最佳镜头的经历，她强调AI只是创作的辅助工具，人类独有的表达才是内容的核心，观众真正产生共鸣的，是故事本身，而非生成的方式。
专题论坛结束后，方汉围绕大众所关心的世界模型技术原理、文娱行业变革、AI行业竞争等方面，与搜狐科技等媒体进行了深入的对话。
以下是访谈内容的编辑整理：
媒体询问为何将2026定义为“世界模型元年”，以及今年行业的关键突破是什么。方汉回答，过去的两年里，AI行业主要聚焦于“生成”阶段，即文字、图片、视频、音乐的批量生产，但这些AI产品无法理解真实的物理规则。今年，他们验证了异构普通视频数据能够用于训练世界模型，这是一个关键的转折。
对于这个技术如何运作，以及取得了什么成果，方汉解释说，以前行业训练机器人和世界模型，只能依赖UMI动捕和真机采集，一套动捕设备价格十几万，单小时采集成本在500-2000元，想要训练出千万小时的数据集，投入至少需要几十亿，没有企业能够长期负担。而现在，普通人用手机摄像头拍摄的日常操作视频，可以作为异构数据，通过深度重建转化为高质量的训练素材，成本有望降到每小时10元。
方汉认为，只有当低成本、多样化的真实数据供给得到打通，世界模型才有可能大规模落地，这也是他们认定今年为元年的原因。
关于Matrix-Game 3.5和Mureka音乐模型的发布，解决了哪些行业痛点，方汉表示，Matrix-Game 3.5主要针对可交互的世界模型，首创了Patch级空间记忆，解决了画面跨帧不一致、相机抖动失真等问题。积累的视频数据既能用于游戏自动生成虚拟场景，也能为具身机器人提供环境推演的基础。Mureka v9.5则着重于“去AI味”，更自然地还原人声和情绪，降低了专业音乐制作的技术门槛。
至于世界模型的数据规模门槛有多高，以及行业何时能迎来技术上的大变革，方汉认为，具身世界模型的最终技术路线会收敛到端到端，而数据规模是决定模型能力的关键。行业普遍认为，模型的有效收敛需要千万小时甚至上亿小时的数据训练，才能实现通用化。
目前市场上各家训练数据的水平如何，突破千万小时门槛预计需要多长时间，方汉指出，目前普遍水平是十几万小时，今年头部企业有望突破百万小时，预计2027年底会有企业达到千万小时门槛，而达到亿小时规模需要3-5年。方汉强调，数据积累的竞争不仅是资金，更依赖于产业链。中国拥有全球最全的工业、家政等场景数据，未来全球很可能都会来华采购训练数据。
当前市场上很多企业集中在做垂直应用，这是否意味着模型研发不再是重心呢？方汉对此表示不认同，他认为垂直应用的能力很容易被大模型原生吸收，单纯做应用层的壁垒非常低，风险很大。
最后，针对创业者现在市场机会在哪里，方汉建议创业者带着钉子找锤子，而不是拿着锤子找钉子。创业者不必先有模型再强行套行业，反而可以先深耕垂直行业（比如短视频、工业机器人、家政等），了解真实的需求，针对性地开发轻量化模型。
网友评论