2021 年，陳天潤還在浙江大學讀本科。那一年 ChatGPT 不存在，大語言模型遠沒有破圈。“世界模型”這個概念剛剛冒頭，David Ha 和 Jürgen Schmidhuber 三年前發表的那篇《World Models》還只是讓 AI 學會在賽車游戲里“做夢”，李飛飛要再等三年才會創辦 World Labs。整個領域離商業化還很遙遠。但陳天潤做了一個當時看起來相當激進的決定：成立一家公司，做 3D 和 AI。

他很早就在寫代碼。高中學編程，大學期間參與了大量 3D 建模和 3D 重建方面的研究，也發了一些成果。最初的想法很樸素：自己做的是偏應用的學科，如果能通過商業化的方式把一些待落地的新技術推到更多人面前，是一件值得試試的事。與此同時，他對市場有一個判斷：一定會有更強的人工智能冒出來，而那會帶來很大的機會。

這個判斷后來被驗證了，而且速度比想象中更快。

魔芯科技從成立起就專注在 AI 與三維技術的交叉地帶，早期圍繞 AI 驅動的 3D 內容生成做產品和商業化，逐步積累了大量三維數據資產和工程經驗。

到了 2024 年底，陳天潤做了一個更大的決定：把公司資源的重心全面轉向 3D 場景建模和世界模型。他認為，從單個物體擴展到整個場景之后，能夠打開的應用空間和市場規模遠不是同一個量級。一個物體是一個物體，一個場景里可以裝下整個世界。

他的導師潘云鶴院士對這條路徑產生了非常直接的影響。

潘云鶴是中國計算機圖形學和人工智能領域最早的開拓者之一，曾任浙江大學校長、中國工程院常務副院長，1997 年當選中國工程院院士。他在智能 CAD、計算機美術、虛擬現實等方向深耕了數十年，見證了中國在 CAD 建模領域二十多年的演進。陳天潤在浙大計算機學院讀直博，師從潘云鶴。

潘院士給陳天潤提過兩個核心建議。第一，要用新技術做新的事；第二，要充分利用視覺知識，把數據轉化為知識，讓 AI 去學。

“把數據變成視覺知識，讓 AI 去學，”陳天潤說，“這是一種比較特別的學習范式。”這個思路后來深刻地影響了魔芯的技術選擇。

第三條路

要理解魔芯科技在做什么，需要先理解“世界模型”這個概念。

用我們已經非常熟悉的大語言模型來做類比，大模型的本質是預測下一個詞：你輸入一段文本的上文，它幫你補出下文。給它小說的前半段，它能把后半段續出來，因為它見過類似的東西。世界模型做的是類似的事情，只是它預測的對象不是文字，而是三維空間中的物理狀態。你給它當前的場景和某種擾動條件，它能推演出下一個時刻這個世界會變成什么樣。

從預測語言的下一個 token，到預測世界的下一個狀態。這是 2026 年 AI 領域最重要的范式遷移之一。

這條賽道上，全球目前最受關注的有幾股力量。李飛飛的 World Labs 在 2026 年 2 月完成了 10 億美元融資，投資方包括英偉達、AMD 和 Autodesk。他們的產品 Marble 已經可以從圖片和文字生成高保真 3D 世界，走的是基于 3D 高斯（Gaussian splatting）的技術路線，用這種中間表示來重建和生成場景。

楊立昆離開 Meta 后創辦的 AMI Labs 探索的則是 JEPA 架構，一條更偏理論前沿的路徑，目前仍處于研究階段，尚未發布可公開評估的產品。Google DeepMind 則推出了實時交互世界模型 Genie 3。

魔芯走的是和他們都不一樣的第三條路。

陳天潤和團隊選擇了純隱式（implicit）的方法來實現世界模型的擴展。他們既沒有像 World Labs 那樣用 3D 高斯作為中間表示和學習目標，也沒有借助顯式的幾何重建，而是用純數據驅動的方式，靠規模堆疊模型能力。這意味著模型的表現主要取決于數據的質和量，而不是手工設計的先驗規則。

圖丨隱式結構路線與其他方案對比（來源：魔芯科技）

這條路線對數據的要求極高，而這恰恰是魔芯從 2021 年就開始布局的東西。他們從成立之初就雇傭設計師和美術藝術家制作三維內容，逐步積累了覆蓋復雜物理場景、動態自然環境的 PB 級 3D 模型和場景資產。3D 數據在整個 AI 領域始終是稀缺資源，不像文本和圖片那樣可以從互聯網上大規模抓取，需要靠時間慢慢積累。

“我們不光有數據，我們還打磨了一套讓人畫得更快的工具，”陳天潤說。“這套工具本身也是壁壘。如果相信世界模型是一個靠數據 scaling 的范式，那誰能更快更高效地產生數據，誰就有優勢。”

在具體的模型設計上，KOKONI-World 采用了 14B 參數規模，比部分同行公開宣稱使用的 1.5B 模型大了將近十倍。更大的網絡尺寸意味著更強的信息承載能力，但推理速度和成本也會成為問題。為此團隊設計了一套級聯式知識蒸餾方案：不是把大模型壓縮成小模型，而是把多步推理過程蒸餾為少步推理，模型尺寸不變，但推理迭代次數大幅減少。

另一個關鍵設計是相機感知記憶結構。KOKONI-World 生成的場景背后存儲著 3D 的空間信息。用戶在場景中移動視角、探索不同位置之后再回頭看，場景的幾何結構和視覺細節不會坍塌。它不是一幀一幀地往外吐畫面，而是一個場景一個場景地構建記憶。

（來源：魔芯科技）

這兩項技術疊加之后，KOKONI-World 跑出了一組相當亮眼的數據：2000 幀的場景記憶時長，對應大約兩分鐘的連續動態預測；1080P 全高清的實時交互輸出；以及 6 自由度的精確相機控制。

魔芯參與的一項前饋式 4D 基座模型研究也為這個選擇提供了直接的實驗依據。實驗表明，當訓練數據擴展到百萬量級以上、模型參數超過 10B 時，重建誤差顯著且持續地下降，模型開始具備長時一致的空間建模能力。這條 scaling 曲線和大語言模型早期觀察到的規律高度相似，說明 3D 和 4D 場景建模確實具備 Scaling Law。

（誤差降低）

年輕團隊的牌面

做出這些東西的，是一支平均年齡不到 30 歲的全博士團隊，核心成員來自浙大、中科大、同濟等高校，幾位研發骨干從博士階段就在研究多模態大模型驅動的 3D 重建與視頻生成，發表過數十篇頂會論文。

陳天潤把這種團隊構成看作一種優勢：“我們不是計算機視覺老兵，也不是自動駕駛老兵在干這個事情。我們是搞大模型的人在做世界模型。”他認為，做基礎模型應該用數據驅動的方式來做，而他們這批人對這種范式有天然的信心和經驗。

作為 00 后 CEO，陳天潤承認在 2021、2022 年創業早期確實遇到過年齡帶來的質疑。但到了 2023 年之后，ChatGPT 的成功讓全世界都看到了一個事實：很多最前沿的 AI 創業公司，就是由一群非常年輕的從業者搞出來的。年輕、人少、沒有歷史包袱，在 AI 時代反而變成了優勢。

“國際上創新就是這么發生的，”他說。

而這群年輕人確實拿出了不一樣的東西。魔芯的模型有一個區別于多數同行的能力：它既能輸出人類可理解的顯式結果，比如視頻、3D 點云、3D 高斯等場景表示，也能輸出純隱式的 token 和向量。后者對機器人、自動駕駛等下游應用更有價值，因為機器需要的不是一段漂亮的視頻，而是能直接用于決策的空間表征。這種“兩頭都能交付”的能力，讓魔芯在面對不同類型的客戶時有更多靈活性。

建立在這個能力之上，魔芯是目前世界模型賽道上少數已經產生收入的團隊。他們在 2025 年就交付了第一版模型，3D 重建服務對外售賣，支持 API 調用和定制化開發。在影視娛樂、數字孿生、自動駕駛、具身智能等方向上，他們已經在和產業方做實際的對接和交付。部分 PB 級 3D 數據資產也在以開放合作的方式提供給其他 AI 研究團隊。

從 BERT 到 ChatGPT

2026 年開春，魔芯科技的節奏在明顯加快。

公司近期完成了浙創投等國資機構及多家產業資本投資的 Pre-A++ 輪融資，新一輪 A 輪融資也即將落地。陳天潤有意識地選擇引入產業方而非純財務投資人。“行業還處于早期，需要大家共建生態，不是一家能搞定所有事的。”

另一個即將落地的節點是下一代模型的發布。魔芯即將推出參數規模約為現有版本兩倍的新模型，核心改進在于更高的輸入分辨率。此前用戶只能輸入較低分辨率的圖片，模型能重建的信息量受限。新版本將能處理更大尺寸的圖像輸入，對應更豐富的重建細節。陳天潤說，這個版本在 3D 建模的準確度和泛化能力上，預計將超過目前市面上的同類模型，并會同步對外提供服務和發表學術論文。

當然，陳天潤對當前的階段有清醒的認知。世界模型作為一個新范式，整個行業都還處于能力爬坡期，模型的泛化性和場景覆蓋度仍在持續迭代。他把現在比作大語言模型在 ChatGPT 之前的 BERT 時代：基礎能力已經涌現，但距離真正的產品化爆發，可能還需要一到兩年的打磨。

從 BERT 到 ChatGPT，中間經歷了 GPT-2、GPT-3、GPT-3.5 的迭代。世界模型的演化大概率也需要類似的過程。

問他五年后希望別人提起魔芯科技時想到什么，陳天潤告訴我們：“3D 的 ChatGPT 時刻。”

這個目標很大。ChatGPT 之所以是 ChatGPT，不只是因為模型能力夠強，更因為它讓普通人第一次直觀感受到了 AI 的可能性。3D 的 ChatGPT 時刻意味著世界模型不再是論文里的概念，而是真正部署到上億臺設備上、讓 AI 理解物理世界并做出可靠判斷的基礎能力。陳天潤估算，這個方向最終面向的是萬億級別的市場。

不過眼下最緊迫的事情，是把新模型交付出去。

“我們希望做能 work 的東西，”陳天潤強調，“而不是發在公眾號上的東西。”

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成