MoWorld – 魔芯科技推出的全球首個高幀率交互式世界模型

MoWorld是什麼

MoWorld 是魔芯科技推出的全球首個高幀率交互式世界模型，基於純國產華爲昇騰 NPU 全棧優化，實現最高 50 FPS 實時推理，成本較 GPU 降低 70%。模型支持精確相機軌跡控制與 4D 空間感知，可生成長時程、空間一致的城市/室內/駕駛等大尺度場景視頻。MoWorld 適用影視預演、實時雲遊戲、具身仿真、自動駕駛及 3D 場景重建。

MoWorld的主要功能

• 高幀率實時交互：最高支持 50 FPS 實時推理，將世界模型從非實時生成帶入實時交互時代。
• 4D 世界建模：模型融合精確相機軌跡與空間幾何信息，實現帶空間感知的 4D 動態世界模擬。
• 長時程空間一致性：在城市、高速公路、沙漠等大尺度鳥瞰場景中，保持建築佈局、道路走向和遠景細節的穩定，跨視角幾何關係不漂移。
• 相機-劇情聯合控制：支持導演級鏡頭運動與敘事事件協同控制，生成視頻可直接用於 3DGS 場景重建和影視預演流程。
• 低成本國產部署：基於華爲昇騰 NPU 全棧原生優化，推理成本較 GPU 降低 70%，首次證明國產算力可支撐大規模世界模型實時部署。
• 多場景泛化生成：訓練數據覆蓋真實世界與虛擬世界，兼顧豐富性與跨域泛化能力。

MoWorld的技術原理

• 數據引擎：覆蓋真實世界與虛擬世界，通過 3D 幾何一致性、軌跡精度、多視圖穩定性等多維質量篩選，構建高質量訓練資產。
• 預訓練：超密集註意力並行 + 輸入 Token 並行，支持長達 2 分鐘的基礎模型訓練。
• 蒸餾優化：壓縮至 4 步實時推理的自迴歸學生模型，引入全局錨點與相機穩定一致性的 Memory 機制，跳過教師軌跡採樣初始化，顯著降低蒸餾成本。
• 實時推理：三層協同優化——流水線層（條件編碼複用、按需模塊加載）、並行層（多 NPU 環形通信、分層序列並行）、算子層（混合精度動態量化、HBM 高效注意力前端）。

如何使用MoWorld

MoWorld 處於發佈初期，權重、代碼與在線服務即將開放。

MoWorld的核心優勢

• 全球首個 Flash World Model：首創超高幀率交互式世界模型概念，最高實現 50 FPS 實時推理，將世界模型從非實時生成帶入實時交互時代。
• 純國產 NPU 全棧原生：首次在華爲昇騰 NPU 上打通預訓練、自迴歸蒸餾到實時推理的完整技術鏈路，證明國產算力可獨立支撐大規模世界模型訓練與部署。
• 推理成本降低 70%：經 NPU 極致優化後，相比 GPU 部署成本大幅下降，讓高幀率世界模型首次具備規模化落地的經濟可行性。
• 低成本不犧牲效果：14B 參數 MoE 架構在畫質、空間一致性與時序穩定性上達到行業 TOP 級，大尺度鳥瞰場景仍能保持建築、道路與遠景的精確結構。
• 長時程空間一致性：引入全局錨點與相機穩定 Memory 機制，即使經歷高空俯衝、快速拉昇等大範圍鏡頭運動，跨視角幾何關係依然穩定不漂移。
• 相機-劇情聯合控制：支持精確相機軌跡與敘事事件協同，生成視頻可直接重建 3DGS 場景，打通影視預演、具身仿真與數字孿生的應用閉環。

MoWorld的項目地址

• 項目官網：https://moxin-tech.github.io/moworld/
• 技術論文：https://moxin-tech.github.io/moworld/MoWorld.pdf

MoWorld的同類競品對比

MoWorld的應用場景

• 影視製作與鏡頭預演：創作者可專注於角色動作與鏡頭語言，顯著減少背景漂移、視角跳變和場景身份不一致問題。
• 實時雲遊戲與交互內容：用戶通過連續相機控制實時探索生成的虛擬世界，支撐低延遲漫遊、鏡頭控制和沉浸式交互體驗。
• 室內場景重建與數字孿生：用 MoWorld 生成的視頻進行室內場景 3D 重建，目標精細度高、重建穩定、空間一致性好，可直接輸出數字場景資產。
• 具身智能仿真：高幀率 Flash World Model 讓機器人系統以前所未有的速度進行環境感知與決策，爲具身智能提供實時物理交互模擬環境。
• 自動駕駛訓練與驗證：通過實時生成多樣化駕駛場景（城市、高速、沙漠等），支撐自動駕駛算法在動態、大尺度環境中的快速迭代與安全性驗證。