十余种物理要素塞进一个模型:魔芯MoWorld 2.0在昇腾上跑到70FPS

流云 2026-11-08 1094 0条评论
摘要: 世界模型这两年有个通病:画面能生成,物理规律靠猜。书签掉下去是先碰相邻物体再滑落,还是直接弹开,模型往往给不出符合直觉的答案。魔芯科技11月4日发布的MoWorld 2.0,把重力...

世界模型这两年有个通病:画面能生成,物理规律靠猜。书签掉下去是先碰相邻物体再滑落,还是直接弹开,模型往往给不出符合直觉的答案。魔芯科技11月4日发布的MoWorld 2.0,把重力、弹力、浮力、柔体、流体、刚体、形塑体、热力等十余种物理要素放进同一个模型,还学习它们叠加后的相互作用。生成结果可输出为3D/4D高斯资产,在华为昇腾NPU上实时视频推理约70FPS。

先说物理要素怎么落地。官方演示里,书签掉落时先与相邻物体接触、受力,再决定滑落还是弹起——这不是预设动画,是模型对受力关系的推演。团队介绍构建了物理高斯渲染器,把材质、所受外力与物体间作用一并进入渲染环节,流体在外力下的形态变化因此可以逐帧还原。训练阶段采用多专家预测,对物理量、像素与高斯三类信息分别预测:物理量决定受力与形变是否成立,像素决定画面细节,高斯决定空间结构,三者共同决定下一帧的内容。在AI工具导航的世界模型分类里,这种“物理量单独预测”的设计,和纯视频生成模型靠统计规律拟合画面的路线形成了明确区隔。

性能数字得拆开看。约70FPS是昇腾NPU上的实时视频推理,上一代最高约50FPS;500FPS以上是高斯资产渲染;手机端约100FPS是渲染测试。三者口径不同,不等于手机能独立运行完整2.0模型。实现方式是把场景解码与主干生成拆到多张NPU并行执行,靠多卡调度拆分负载,配合稀疏注意力与混合精度量化。据团队测算,同等部署条件下推理成本最低约为同规模GPU的30%。约6亿参数的MoWorld-Flash是端侧版本,云端负责4D资产生成,手机端承担部分推理、渲染与交互。

生成结果可导出为3D/4D高斯资产,可重新渲染与反复调用。四维资产记录内容随时间的变化,同一座从古画生成的街市可换机位重看、改天气重拍。对影视预演来说,这意味着同场景换机位不用重新生成,改天气不用重拍——省下的是反复出片的成本。对具身智能训练来说,同一环境改障碍物、路面与天气就能测智能体应对,比在真实环境里反复搭场景快得多。在AI模型库的选型对比中,这种“资产可复用”的特性,比单次生成画质更影响长期使用成本。

和同类比,路线差异明显。Genie 4走云端研究预览服务,不开放权重;Cosmos 3用英伟达GPU,OpenMDW 1.1开源含数据集;LingBot-World 2.0用英伟达GPU多卡推理,代码权重技术报告公开。MoWorld 2.0用昇腾NPU与麒麟端侧,2.0未开放权重,1.0基础权重是CC BY-NC 4.0。开放程度上它落后于Cosmos 3和LingBot-World 2.0,算力平台上它是唯一走国产NPU路线的。对于关注AI办公软件推荐的团队,如果你的场景是具身智能训练或影视预演,国产算力这条线值得关注;如果要权重自部署做二次开发,现阶段得先看1.0的开放程度够不够。

使用门槛要说清楚。2.0目前不能下载也不能试用,项目主页“立即体验”标注Coming Soon,能下载的只有1.0的Base权重,单文件59.17GB。本机跑1.0需要Linux、Python 3.10以上、PyTorch 2.7.1,装配套CANN与torch_npu;公开权重只含高噪声专家,还需补齐低噪声专家、VAE与文本编码器并自备训练数据,官方示例涉及16张NPU。商用需另行授权,CC BY-NC 4.0只覆盖非商业。导出的3D/4D高斯资产不能直接导入,格式与接入方式需按工具链适配。

MoWorld 2.0的价值不在于帧率从50提到70,而在于它把物理规律建模做成了模型的“主干能力”而不是后处理特效。十余种要素放进同一个模型、多专家分别预测物理量与像素、结果导出成可复用资产——这三样串起来,世界模型才有可能从“看着像”走向“算得对”。但它还是产业合作阶段,权重没开、试用没开、商用要谈授权。物理驱动的世界模型正在从“演示”走向“可用”,MoWorld 2.0是这条路线上的一个明确信号。


文章版权及转载声明:

作者:流云本文地址:https://www.sanwenge.com/post/1565.html发布于 2026-11-08
文章转载或复制请以超链接形式并注明出处三文阁