魔芯科技获亿元融资 浙大00后团队世界模型产业落地

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

时间回到2021年，那时ChatGPT尚未问世，大语言模型远未破圈。“世界模型”这个概念也才刚露头角。Da vid Ha和Jürgen Schmidhuber那篇著名的《World Models》论文，还只是让AI在赛车游戏里“做梦”；李飞飞创办World Labs，则是三年后的事。整个领域距离商业化，看上去还很遥远。

就在这一年，还在浙江大学读本科的陈天润，做了一个在当时看来相当激进的决定：成立一家公司，专注做3D和AI。

他接触编程很早，高中就开始写代码。大学期间，他深度参与了大量3D建模与重建的研究，也产出了一些学术成果。创业的初衷很朴素：自己从事的是偏应用的学科，如果能通过商业化的方式，把那些等待落地的新技术推到更多人面前，值得一试。与此同时，他内心有一个关于市场的判断：更强的人工智能一定会出现，而那将带来巨大的机会。

后来的故事证明，这个判断不仅正确，而且验证的速度远超预期。

第三条路

要理解魔芯科技在做什么，得先搞清楚“世界模型”这个概念。

不妨用我们熟悉的大语言模型来类比。大模型的本质是预测下一个词：你输入一段上文，它帮你补出下文。给它小说的前半段，它能续写后半段，因为它“见过”类似的模式。世界模型干的是类似的事，只不过它预测的对象不是文字，而是三维空间中的物理状态。你给它一个当前的场景和某种变化条件，它能推演出下一刻这个世界会变成什么样。

从预测语言的下一个token，到预测世界的下一个状态——这被认为是2026年AI领域最重要的范式迁移之一。

放眼全球，这条赛道上最受关注的几股力量已然清晰。李飞飞的World Labs在2026年2月完成了10亿美元融资，其产品Marble已能从图片和文字生成高保真3D世界，走的是基于3D高斯的技术路线。杨立昆离开Meta后创办的AMI Labs，则探索更偏理论前沿的JEPA架构。此外，Google DeepMind也推出了实时交互世界模型Genie 3。

魔芯选择的，是一条与他们都不同的“第三条路”。

陈天润和团队采用了纯隐式的方法来实现世界模型的扩展。他们没有依赖3D高斯作为中间表示，也没有借助传统的显式几何重建，而是纯粹依靠数据驱动，通过规模来堆叠模型能力。这意味着，模型的表现更取决于数据的质量与数量，而非手工设计的先验规则。

图丨隐式结构路线与其他方案对比（来源：魔芯科技）

这条路线对数据的要求极高，而数据，恰恰是魔芯自2021年成立起就开始布局的核心资产。他们很早就雇佣设计师和美术艺术家制作三维内容，逐步积累了覆盖复杂物理场景、动态自然环境的PB级3D模型与场景资产。在AI领域，高质量的3D数据始终是稀缺资源，无法像文本和图片那样从互联网海量抓取，只能靠时间慢慢沉淀。

“我们不光有数据，还打磨了一套让人能画得更快的工具，”陈天润解释道，“这套工具本身也是壁垒。如果你相信世界模型是一个依赖数据规模效应的范式，那么谁能更快、更高效地产生数据，谁就握有优势。”

在具体的模型设计上，他们的KOKONI-World采用了14B的参数规模，比部分同行公开使用的1.5B模型大了近十倍。更大的网络意味着更强的信息承载能力，但推理速度和成本随之成为挑战。为此，团队设计了一套级联式知识蒸馏方案：目标不是把大模型压缩成小模型，而是将多步推理过程蒸馏为少步推理，在保持模型尺寸不变的前提下，大幅减少推理迭代次数。

另一个关键设计是相机感知记忆结构。KOKONI-World生成的场景背后，存储着完整的3D空间信息。当用户在场景中移动视角、探索不同位置后再回头看，场景的几何结构和视觉细节不会崩塌或矛盾。它不是在逐帧渲染画面，而是在构建一个具有空间一致性的场景记忆。

图丨KOKONI-World 4D场景生成效果 图左：RGB视频生成；图右：3D点云生成 （来源：魔芯科技）

这两项技术叠加，让KOKONI-World跑出了一组亮眼的数据：支持长达2000帧（约两分钟）的场景记忆与连续动态预测；能输出1080P全高清的实时交互画面；并提供6自由度的精确相机控制。

魔芯参与的一项前馈式4D基座模型研究，为这个技术选择提供了实验支撑。研究显示，当训练数据扩展到百万量级、模型参数超过10B时，重建误差会出现显著且持续的下降，模型开始展现出长时一致的空间建模能力。这条性能随规模增长的曲线，与大语言模型早期观察到的规律高度相似，这无疑证实了3D和4D场景建模同样遵循Scaling Law（规模定律）。

图｜实验结果，随着数据量的增加（左图）和模型尺寸提升（右图），模型精度持续提高（误差降低）

年轻团队的牌面

打造出这套技术体系的，是一支平均年龄不到30岁的全博士团队。核心成员来自浙大、中科大、同济等高校，几位研发骨干从博士阶段就深耕多模态大模型驱动的3D重建与视频生成，在相关顶会上发表了数十篇论文。

陈天润将这种团队构成视为一种优势：“我们不是计算机视觉或自动驾驶领域的老兵转行来做这件事。我们是一群搞大模型的人，在直接做世界模型。”他认为，做基础模型就应该采用数据驱动的方式，而他们这批研究者对这种范式有着天然的信心和丰富的实操经验。

作为00后CEO，陈天润坦言在2021、2022年创业早期，确实遇到过因年龄而产生的质疑。但2023年之后，ChatGPT的成功让世界看到了一个事实：许多最前沿的AI创业公司，正是由一群非常年轻的从业者推动的。年轻、精干、没有历史包袱，在快速迭代的AI时代，反而成了一种独特的优势。“国际上很多创新就是这么发生的，”他补充道。

而这群年轻人，也确实拿出了不一样的东西。魔芯的模型具备一项区别于多数同行的能力：它既能输出人类可直观理解的显式结果，如视频、3D点云、3D高斯场景，也能输出纯隐式的token和向量。后者对于机器人、自动驾驶等下游应用更具价值，因为机器决策需要的往往不是一段渲染精美的视频，而是能直接用于路径规划或行为预测的空间表征。这种“两头都能交付”的灵活性，让魔芯在面对不同类型的产业客户时游刃有余。

基于这种能力，魔芯成为了世界模型赛道上少数已经实现收入的团队。他们在2025年就交付了第一版模型，其3D重建服务已对外售卖，支持API调用和定制化开发。在影视娱乐、数字孪生、自动驾驶、具身智能等多个方向，他们已与产业方展开实际的项目对接与交付。部分积累的PB级3D数据资产，也以开放合作的方式提供给其他AI研究团队使用。

从 BERT 到 ChatGPT

进入2026年，魔芯科技的节奏明显加快了。

公司近期完成了由浙创投等国资机构及多家产业资本投资的Pre-A++轮融资，新一轮A轮融资也即将落地。陈天润在有意识地引入产业资本而非纯财务投资人。“行业还处于非常早期的阶段，需要生态伙伴一起共建，这不是一家公司能独立搞定所有事情的时候。”

另一个关键节点是下一代模型的发布。魔芯即将推出参数规模约为现有版本两倍的新模型，核心改进在于支持更高的输入分辨率。此前，用户只能输入分辨率较低的图片，模型能重建的信息细节有限。新版本将能处理更大尺寸的图像输入，从而捕捉和重建更丰富的场景细节。陈天润表示，这个版本在3D建模的准确度和泛化能力上，预计将超越目前市面上的同类模型，并会同步对外开放服务和发表学术论文。

当然，陈天润对当前阶段有着清醒的认识。世界模型作为一个新兴范式，整个行业都还处于能力爬坡期，模型的泛化性和场景覆盖度仍在持续迭代中。他将现阶段比作大语言模型在ChatGPT诞生前的“BERT时代”：基础能力已经涌现，但距离真正引爆市场的产品化爆发，可能还需要一到两年的深耕与打磨。从BERT到ChatGPT，中间经历了GPT-2、GPT-3、GPT-3.5的数代演进，世界模型的演化大概率也需要一个类似的过程。

被问及五年后希望外界如何评价魔芯科技时，陈天润给出了一个明确的答案：“3D的ChatGPT时刻。”

这个目标不可谓不大。ChatGPT之所以成为里程碑，不仅仅因为其模型能力强大，更在于它让普通人第一次直观地感受到了AI的潜力与魅力。所谓的“3D的ChatGPT时刻”，意味着世界模型将不再是实验室论文里的抽象概念，而是真正部署到数以亿计的设备中，让AI能够理解并可靠交互于物理世界的基础能力。陈天润估算，这个方向最终面向的是一个万亿级别的广阔市场。

不过，眼下最紧迫的事情，还是把新一代模型扎实地交付出去。“我们希望做真正能work、能落地的东西，”陈天润强调，“而不仅仅是发布在公众号上的新闻。”