00后浙大博士把4D世界模型首次塞进手机

新智元报道

这个假期，当大家在朋友圈晒国旗、晒旅行、晒美食的时候，华为选择在国庆节这一天扔出了重磅产品——

华为Mate 90系列正式发布，全系搭载新一代麒麟芯片，鸿蒙7加持！

发布会上有太多值得聊的东西，但有一个细节——一款叫「摸小宠」的鸿蒙独占应用，惊艳地亮了个相。

它能干啥？你掏出手机，拍几张你家猫的照片，上传。

几秒钟后，你手机里就多了一只「猫」。

不是那种只能转圈圈的3D模型猫，而是一只有空间结构、会动、能从任意角度看、你走近它它还在摇尾巴的4D数字猫。

你可以绕着它转，它就在那里，在你的手机屏幕里，像真的一样。

听着是不是有点科幻？

这是4D世界模型第一次真正跑进了手机应用。

而做到这件事的魔芯科技，也成为全球范围内率先将4D世界模型推进到产业应用落地的公司。背后的技术叫MoWorld。

一张照片，「走进去」的世界

过去我们说AI能生成图片，比如你给Midjourney一句话，它给你一张图。

后来AI能生成视频了，Sora们开始造出能动的画面。但本质上，那还是一段录像带，它的视角是选定的，不会变，你不能走过去看看那栋建筑背后长什么样。

而MoWorld做的事情，是把一张照片变成一个「可以走进去」的世界。或者用更技术的话说，叫原生重建4D世界模型，它从一开始「原生」生成的就是一个4D空间。

你给它几张普通手机拍的照片，甚至几段随手拍的视频。MoWorld不会简单地「复制」画面，而是去理解这些画面背后的空间结构——那堵墙在哪儿？那张桌子离镜头多远？桌子后面被挡住的部分长什么样？

然后，它会基于这种空间理解，把平面的图像扩展成一个三维空间。你可以在这个空间里前进、后退、转弯，看到照片里没有直接展示过的角度和区域。

这就是「摸小宠」这个小应用背后真正厉害的技术底座。

你上传几张猫的照片，MoWorld先理解猫的三维形体结构，真正从有限的视角信息里推算出猫的空间结构、毛发纹理、体型比例。

然后，它还理解猫正在做什么。

猫在摇尾巴？好，当你切换到侧面视角的时候，尾巴的摇晃动作依然是连续的、符合空间逻辑的。你绕到猫的背后，猫不会突然僵住。它该怎么动还怎么动，只是你观察的角度变了。

这就是所谓的「4D」——三维空间加上时间和变化的维度。

模型不仅知道物体在哪里、长什么形状、从不同角度看应该是什么样子，还知道物体正在怎么运动、动作在不同视角下怎么连续呈现、场景随时间发生了什么变化。

如果用一个更直观的比喻：以前的AI生成内容是「给你看一部电影」，而MoWorld生成的，是一个「你可以走进去逛逛的片场」。

最能展示这种能力的，就是所谓的「子弹时间」效果。

就像《黑客帝国》里Neo躲子弹那个经典镜头：模型根据少量图像恢复场景和物体的空间关系，从不同角度生成连续、稳定的环绕视图。

不同的是，这里不需要几十台摄像机，几张手机照片就够了。

不只是宠物：

应用落地才是真正的护城河

魔芯科技最值得关注的一点，恰恰是它在应用落地上的领先——摸小宠只是其中一个消费级入口，MoWorld已经在多条产业线上同步推进，多个合作项目进入技术验证和具体实施阶段。

影视和游戏。 传统的影视制作流程中，一个场景需要经历建模、贴图、灯光、动画等多个漫长环节。

MoWorld可以把前期场景搭建周期大幅压缩，快速生成场景资产，支持自由运镜、天气切换、物体编辑。

一个场景可以生成多个故事走向的版本，分镜预演和概念验证的成本陡然下降。

在游戏产业，500FPS以上的资产渲染能力和移动终端的高帧率运行，有望降低互动世界对高端显卡的依赖。

室内空间4D建模

具身智能训练。 以前训练一个机器人抓取、避障、搬运，需要在真实环境里反复试错。设备损耗、场地成本、还有碰撞伤人的安全隐患。

MoWorld搭建的数字仿真训练场，可以让机器人在虚拟空间里完成所有动作演练，碰撞和失误只产生虚拟损耗，支持高频次复盘迭代。

加入物理属性后，机器人还可以在仿真环境里体验重力、碰撞反馈和物体交互。

自动驾驶。 MoWorld可以在3D空间中调整道路环境、交通参与者和物体运动状态，特别适合生成那些现实中成本高、风险大、难以重复采集的长尾场景。例如雨雪天气、坑洼路面、突发事件。3D/4D资产可以方便地调整、复用和重新渲染，提高训练数据的生产效率。

自动驾驶训练场景

工业数字孪生。 工厂产线、矿山等场景中，MoWorld可以将真实环境快速转化为空间资产，用于设备布局调整、改造方案预演、远程培训和异常场景模拟。

不再需要反复人工建模，现实场景到仿真数据的转化效率大幅提升。

矿山建模

城乡规划与文旅。 虚拟游览、沉浸式内容生产、方案展示、空间重建，这些以前需要大量人工搭建的工作，MoWorld可以用算法来加速。

文旅场景重建

MoWorld的价值不是单纯地「画面更好」或「帧率更高」，而在于它能以低成本方式生成高质量、可复用的3D/4D空间资产，让这些资产真正流入产业系统被反复使用。

这是一条从「技术能力」通往「产业效能」的桥梁。

端云协同：

6亿参数模型怎么塞进手机的

这些产业应用能铺开，离不开一个前提：MoWorld跑得动、跑得起。

听到这儿你可能会问：这种级别的AI运算，不得在数据中心里烧几百张GPU才能跑？手机？开什么玩笑？

确实不全是手机在算，摸小宠背后是一条端云协同的链路：照片上传到云端，昇腾NPU上的扩散模型先生成高质量3D高斯模型——这一步算力需求大，交给服务器。

然后魔芯科技做了一个「瘦身版」MoWorld-2.0-Flash，约6亿参数，经过量化裁剪和算子适配，直接跑在Mate 90的麒麟芯片上。最终渲染呈现也在手机端完成。

国产算力训练，云端生成，端侧渲染。

说着轻巧，做起来极难。

把一个大型服务器上的世界模型塞进手机，不是压缩打包那么简单。

算子要适配麒麟架构，量化要保效果又降开销，延迟、功耗、发热全是硬骨头。

但这么做有个很实际的好处：省钱。

一部分计算搬到手机上，云端负载就下来了，运营成本随之降低。对一个面向普通消费者的应用来说，这一点决定了它能不能大规模铺开。

还有个细节值得注意：这整条链路从头到尾跑在国产硬件上。

训练用昇腾NPU，云端推理用昇腾平台，端侧跑麒麟芯片。

这条路线让MoWorld的推理成本只有同等进口GPU方案的30%。降本70%，这才是世界模型能规模化落地的真前提。

不止是看着真：它开始懂物理了

跑得动、跑得起之外，MoWorld还在持续拉高技术上限。

如果它只是能生成逼真的3D场景，那不过是个高级建模工具。真正让它配得上「世界模型」四个字的，是它开始理解物理规律。

今年7月MoWorld 1.0发布时，主打一个「快」——全国产NPU，最高约50 FPS实时交互。那时候它已经证明自己不是论文demo，而是真能跑起来的系统。

之后的迭代速度很猛。到9月底，几个关键能力已经质变：

物理属性进来了。重力、弹力、刚性、外力，这些真实世界的规则被显式融入模型。

踢一脚足球，球沿地面滚动弹起；碰一下花草，花草会摆动；同一场景可以切换晴天雨天雪天。

模型不再只管「世界看起来什么样」，开始回答「世界被碰了一下会怎么变」。

渲染帧率提高了。3D/4D高斯资产渲染突破500 FPS，手机端侧也能跑到100 FPS。不需要高端显卡，普通手机就能流畅呈现三维交互世界。

输出的东西能用了。MoWorld生成的不再只是「好看的3D视频」，而是标准化的3D/4D高斯资产，可以直接导入游戏引擎、影视制作系统、数字孪生平台、机器人训练环境。生成一次，到处调用。

场景还能改。增删物体、调整位置、切换天气，同一条街可以一键从晴天变暴雪，同一个影视场景换道具换镜头，不用从头重建。

把这些能力叠在一起看，MoWorld更接近于在模拟一个遵循物理规律的平行世界。

而摸小宠恰恰是这个看着最「轻」的场景，证明了一件最「重」的事——4D世界模型可以跑在每个人的手机上。

过去，世界模型一直漂在实验室和论文里，从Sora到Atlas，大家讨论的都是能力多强、效果多好，但很少有人认真回答一个问题：普通人什么时候能用上？

魔芯科技用摸小宠回答，现在就可以。

全球坐标系下的MoWorld：

应用落地上的领先身位

把MoWorld放到全球竞争格局里看，它的差异化就更清晰了。

2026年9月，李飞飞创立的World Labs发布了Atlas——一个多模态世界模型，核心能力是使用少量照片生成可交互的3D世界。

这个产品在业内引发了巨大关注，某种程度上甚至标志着世界模型赛道正式进入国际主流视野。

Atlas和MoWorld有不少共同点：都可以用少量普通照片作为输入，都能输出三维场景结构，都支持自由浏览和新视角合成，都利用大模型来补全有限观测之外的空间信息。

但差异同样显著：

动态4D理解。 Atlas目前主要聚焦于静态3D空间的生成与理解。MoWorld则已经做到了动态4D——不仅理解空间，还理解时间。

物理交互能力。 MoWorld已经将重力、弹力、刚性等物理属性引入生成空间，物体能够对用户动作做出基于物理逻辑的响应。而Atlas目前更侧重于空间结构和多模态理解。

推理效率与成本。 MoWorld在推理速度和成本控制上具有优势。基于国产昇腾NPU的部署路线让它的推理成本只有进口GPU方案的30%，并且已经探索出了手机端侧运行的能力。

可以说，如果Atlas代表了世界模型在「空间理解深度」上的国际标杆，那么MoWorld的核心优势不仅在模型能力上不遑多让，更在应用落地上全面领先——

从4D动态理解到物理交互，从云端到端侧，从实验室到真实产品和产业流程，它已经跑出了一条完整的路。

00后博士和他的百亿征途

最后，聊聊这家公司。

魔芯科技的创始人陈天润是一个00后。浙江大学博士在读，师从中国工程院院士潘云鹤。

陈天润在Science、Nature Photonics、IEEE TPAMI等顶级期刊，以及ICCV、CVPR、ICML、SIGGRAPH等顶级会议上发表高水平论文50余篇。2022年获得共青团中央科技创新最高奖项「中国青少年科技创新奖」，是浙江省高校唯一获奖者。

他在央视的采访中说过一段话：「世界模型更像是给机器提供一个理解世界的大脑，让机器去理解它所在的环境，就像人一样，给机器提供了预测下一个世界状态的能力。这是一种冒险，但是冒险背后是我们真切地拿着这把舵在开这艘船，所以我相信既然这个舵掌握在我们手上，希望能够把这艘船开得很远。」

这不是一句空话。

从2025年底到2026年9月，魔芯科技在9个月内连续完成5轮融资，最新一轮融资规模达10亿元量级，公司估值已经逼近100亿元。投资界的评价是，这是世界模型赛道上跑得最快的中国选手之一。

如今，华为手机发布会上给了他们展示位。

从全国产算力训练到鸿蒙应用端的完整链路，魔芯科技已经成为4D世界模型领域的基础设施构建者。