AI news

独家|浙大00后世界模型创业,魔芯科技完成新一轮亿元融资,已在多个产业领域实现交付

By DeepTech深科技0 viewsSource: DeepTech深科技
独家|浙大00后世界模型创业,魔芯科技完成新一轮亿元融资,已在多个产业领域实现交付

2021 年,陈天润还在浙江大学读本科。那一年 ChatGPT 不存在,大语言模型远没有破圈。“世界模型”这个概念刚刚冒头,但陈天润做了一个当时看起来相当激进的决定:成立一家公司,做 3D 和 AI。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

2021 年,陈天润还在浙江大学读本科。那一年 ChatGPT 不存在,大语言模型远没有破圈。“世界模型”这个概念刚刚冒头,David Ha 和 Jürgen Schmidhuber 三年前发表的那篇《World Models》还只是让 AI 学会在赛车游戏里“做梦”,李飞飞要再等三年才会创办 World Labs。整个领域离商业化还很遥远。但陈天润做了一个当时看起来相当激进的决定:成立一家公司,做 3D 和 AI。

他很早就在写代码。高中学编程,大学期间参与了大量 3D 建模和 3D 重建方面的研究,也发了一些成果。最初的想法很朴素:自己做的是偏应用的学科,如果能通过商业化的方式把一些待落地的新技术推到更多人面前,是一件值得试试的事。与此同时,他对市场有一个判断:一定会有更强的人工智能冒出来,而那会带来很大的机会。

这个判断后来被验证了,而且速度比想象中更快。

魔芯科技从成立起就专注在 AI 与三维技术的交叉地带,早期围绕 AI 驱动的 3D 内容生成做产品和商业化,逐步积累了大量三维数据资产和工程经验。

到了 2024 年底,陈天润做了一个更大的决定:把公司资源的重心全面转向 3D 场景建模和世界模型。他认为,从单个物体扩展到整个场景之后,能够打开的应用空间和市场规模远不是同一个量级。一个物体是一个物体,一个场景里可以装下整个世界。

他的导师潘云鹤院士对这条路径产生了非常直接的影响。

潘云鹤是中国计算机图形学和人工智能领域最早的开拓者之一,曾任浙江大学校长、中国工程院常务副院长,1997 年当选中国工程院院士。他在智能 CAD、计算机美术、虚拟现实等方向深耕了数十年,见证了中国在 CAD 建模领域二十多年的演进。陈天润在浙大计算机学院读直博,师从潘云鹤。

潘院士给陈天润提过两个核心建议。第一,要用新技术做新的事;第二,要充分利用视觉知识,把数据转化为知识,让 AI 去学。

“把数据变成视觉知识,让 AI 去学,”陈天润说,“这是一种比较特别的学习范式。”这个思路后来深刻地影响了魔芯的技术选择。

第三条路

要理解魔芯科技在做什么,需要先理解“世界模型”这个概念。

用我们已经非常熟悉的大语言模型来做类比,大模型的本质是预测下一个词:你输入一段文本的上文,它帮你补出下文。给它小说的前半段,它能把后半段续出来,因为它见过类似的东西。世界模型做的是类似的事情,只是它预测的对象不是文字,而是三维空间中的物理状态。你给它当前的场景和某种扰动条件,它能推演出下一个时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。这是 2026 年 AI 领域最重要的范式迁移之一。

这条赛道上,全球目前最受关注的有几股力量。李飞飞的 World Labs 在 2026 年 2 月完成了 10 亿美元融资,投资方包括英伟达、AMD 和 Autodesk。他们的产品 Marble 已经可以从图片和文字生成高保真 3D 世界,走的是基于 3D 高斯(Gaussian splatting)的技术路线,用这种中间表示来重建和生成场景。

杨立昆离开 Meta 后创办的 AMI Labs 探索的则是 JEPA 架构,一条更偏理论前沿的路径,目前仍处于研究阶段,尚未发布可公开评估的产品。Google DeepMind 则推出了实时交互世界模型 Genie 3。

魔芯走的是和他们都不一样的第三条路。

陈天润和团队选择了纯隐式(implicit)的方法来实现世界模型的扩展。他们既没有像 World Labs 那样用 3D 高斯作为中间表示和学习目标,也没有借助显式的几何重建,而是用纯数据驱动的方式,靠规模堆叠模型能力。这意味着模型的表现主要取决于数据的质和量,而不是手工设计的先验规则。

文章配图

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,而这恰恰是魔芯从 2021 年就开始布局的东西。他们从成立之初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 模型和场景资产。3D 数据在整个 AI 领域始终是稀缺资源,不像文本和图片那样可以从互联网上大规模抓取,需要靠时间慢慢积累。

“我们不光有数据,我们还打磨了一套让人画得更快的工具,”陈天润说。“这套工具本身也是壁垒。如果相信世界模型是一个靠数据 scaling 的范式,那谁能更快更高效地产生数据,谁就有优势。”

在具体的模型设计上,KOKONI-World 采用了 14B 参数规模,比部分同行公开宣称使用的 1.5B 模型大了将近十倍。更大的网络尺寸意味着更强的信息承载能力,但推理速度和成本也会成为问题。为此团队设计了一套级联式知识蒸馏方案:不是把大模型压缩成小模型,而是把多步推理过程蒸馏为少步推理,模型尺寸不变,但推理迭代次数大幅减少。

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 3D 的空间信息。用户在场景中移动视角、探索不同位置之后再回头看,场景的几何结构和视觉细节不会坍塌。它不是一帧一帧地往外吐画面,而是一个场景一个场景地构建记忆。

文章配图

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)

这两项技术叠加之后,KOKONI-World 跑出了一组相当亮眼的数据:2000 帧的场景记忆时长,对应大约两分钟的连续动态预测;1080P 全高清的实时交互输出;以及 6 自由度的精确相机控制。

魔芯参与的一项前馈式 4D 基座模型研究也为这个选择提供了直接的实验依据。实验表明,当训练数据扩展到百万量级以上、模型参数超过 10B 时,重建误差显著且持续地下降,模型开始具备长时一致的空间建模能力。这条 scaling 曲线和大语言模型早期观察到的规律高度相似,说明 3D 和 4D 场景建模确实具备 Scaling Law。

文章配图

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

做出这些东西的,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在研究多模态大模型驱动的 3D 重建与视频生成,发表过数十篇顶会论文。

陈天润把这种团队构成看作一种优势:“我们不是计算机视觉老兵,也不是自动驾驶老兵在干这个事情。我们是搞大模型的人在做世界模型。”他认为,做基础模型应该用数据驱动的方式来做,而他们这批人对这种范式有天然的信心和经验。

作为 00 后 CEO,陈天润承认在 2021、2022 年创业早期确实遇到过年龄带来的质疑。但到了 2023 年之后,ChatGPT 的成功让全世界都看到了一个事实:很多最前沿的 AI 创业公司,就是由一群非常年轻的从业者搞出来的。年轻、人少、没有历史包袱,在 AI 时代反而变成了优势。

“国际上创新就是这么发生的,”他说。

而这群年轻人确实拿出了不一样的东西。魔芯的模型有一个区别于多数同行的能力:它既能输出人类可理解的显式结果,比如视频、3D 点云、3D 高斯等场景表示,也能输出纯隐式的 token 和向量。后者对机器人、自动驾驶等下游应用更有价值,因为机器需要的不是一段漂亮的视频,而是能直接用于决策的空间表征。这种“两头都能交付”的能力,让魔芯在面对不同类型的客户时有更多灵活性。

建立在这个能力之上,魔芯是目前世界模型赛道上少数已经产生收入的团队。他们在 2025 年就交付了第一版模型,3D 重建服务对外售卖,支持 API 调用和定制化开发。在影视娱乐、数字孪生、自动驾驶、具身智能等方向上,他们已经在和产业方做实际的对接和交付。部分 PB 级 3D 数据资产也在以开放合作的方式提供给其他 AI 研究团队。

从 BERT 到 ChatGPT

2026 年开春,魔芯科技的节奏在明显加快。

公司近期完成了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。陈天润有意识地选择引入产业方而非纯财务投资人。“行业还处于早期,需要大家共建生态,不是一家能搞定所有事的。”

另一个即将落地的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,核心改进在于更高的输入分辨率。此前用户只能输入较低分辨率的图片,模型能重建的信息量受限。新版本将能处理更大尺寸的图像输入,对应更丰富的重建细节。陈天润说,这个版本在 3D 建模的准确度和泛化能力上,预计将超过目前市面上的同类模型,并会同步对外提供服务和发表学术论文。

当然,陈天润对当前的阶段有清醒的认知。世界模型作为一个新范式,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。他把现在比作大语言模型在 ChatGPT 之前的 BERT 时代:基础能力已经涌现,但距离真正的产品化爆发,可能还需要一到两年的打磨。

从 BERT 到 ChatGPT,中间经历了 GPT-2、GPT-3、GPT-3.5 的迭代。世界模型的演化大概率也需要类似的过程。

问他五年后希望别人提起魔芯科技时想到什么,陈天润告诉我们:“3D 的 ChatGPT 时刻。”

这个目标很大。ChatGPT 之所以是 ChatGPT,不只是因为模型能力够强,更因为它让普通人第一次直观感受到了 AI 的可能性。3D 的 ChatGPT 时刻意味着世界模型不再是论文里的概念,而是真正部署到上亿台设备上、让 AI 理解物理世界并做出可靠判断的基础能力。陈天润估算,这个方向最终面向的是万亿级别的市场。

不过眼下最紧迫的事情,是把新模型交付出去。

“我们希望做能 work 的东西,”陈天润强调,“而不是发在公众号上的东西。”

文章来自于微信公众号 "DeepTech深科技",作者 "DeepTech深科技"

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)