出品｜搜狐科技

作者｜郑松毅

近日，在2026世界人工智能大会期间，昆仑万维“世界模型与多模态范式跃迁”专场论坛在上海举办。昆仑万维董事长兼CEO方汉宣布“世界模型元年”已至，AI技术路径正从内容生成向物理世界交互跃迁。

会上，昆仑万维宣布核心模型重磅升级——Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型，覆盖世界模型、AIGC创作等前沿赛道。方汉判断，未来3-5年世界模型会成为游戏行业基础设施，并将深度影响影视等行业。

圆桌环节，演员黄晓明直言AI技术迭代速度超出想象，AI生成的人物微表情、毛孔细节已做到以假乱真，并表示看好AI赛道，有意布局相关投资。演员王珞丹分享了自己熬夜调试提示词、反复“抽卡”寻找理想镜头的创作经历，她提出AI只是创作辅助，人类独有的表达冲动才是内容灵魂，观众最终共情的永远是故事本身，而非生成媒介。

论坛结束后，围绕大众关心的世界模型技术逻辑、文娱产业变革、AI行业竞争等话题，方汉与搜狐科技等媒体展开深度交流。

以下为对话精编：

媒体：您为何将2026定义为 “世界模型元年”，今年行业出现了什么关键突破？

方汉：过去两年AI行业的核心是“生成”，文字、图片、视频、音乐批量产出，但AI只停留在屏幕里，无法理解真实物理规则。直到今年，我们验证了异构普通视频数据可以规模化训练世界模型，这是一个关键转折点。

媒体：怎么理解这个技术，达成了什么效果？

方汉：之前行业训练机器人、世界模型只能依赖UMI动捕、真机采集，一套动捕设备十几万，单小时采集成本500-2000元，想要训练出千万小时数据集，投入至少要几十亿，没有企业能长期承担。

而普通人手机摄像头拍摄的日常操作视频就是异构数据，通过深度重建就能转化为高质量训练素材，成本有望降到每小时10元。

只有低成本、多样化的真实数据供给打通，世界模型才有规模化落地的基础，这是我们认定今年是元年的原因。

媒体：本次发布的Matrix-Game 3.5、Mureka音乐模型解决了什么行业痛点？

方汉：Matrix-Game 3.5主打可交互世界模型，首创Patch级空间记忆，解决长期困扰行业的画面跨帧不一致、相机抖动失真问题。积累的视频数据既能赋能游戏自动生成虚拟场景，也能为具身机器人提供环境推演底座。

Mureka v9.5则主打“去AI味”，更自然地还原人声和情绪，把专业音乐制作门槛降到普通人可操作。

媒体：世界模型的数据规模门槛有多高？行业何时能迎来技术质变？

方汉：对标自动驾驶的发展规律，具身世界模型最终都会收敛到端到端技术路线，而数据规模是决定模型能力的核心。行业共识是，模型有效收敛需要千万小时训练数据，甚至上亿小时训练数据才可能实现通用化。

媒体：目前市场上各家训练数据处于什么水平？突破千万小时门槛预计需要多久？

方汉：目前普遍是在十几万小时，今年头部有望突破百万小时，预计2027年底会有企业摸到千万小时门槛，亿小时规模则需要3-5年。

数据积累比拼的不只是资金，更依托产业链。中国拥有全球最全的工业、家政等场景数据，未来全球大概率都会来华采购训练数据。

媒体：现在很多企业扎堆做垂直应用，是否意味着模型研发已不再是重心？

方汉：我不认同重心转向应用、模型就不重要了的说法。垂直应用的能力很容易被大模型原生内化，单纯做应用层壁垒极低，风险很高。

媒体：对于创业者而言，现在市场机会在哪？

方汉：我觉得关键是要拿着钉子找锤子，而非拿着锤子找钉子。

创业者不必先有模型再硬套行业，反倒可以先扎根垂直行业（如短视频、工业机器人、家政等）了解真实需求，针对性开发轻量化模型工具，建立差异化壁垒。反观单纯做通用应用，很容易被头部大模型迭代覆盖。

媒体：中国在世界模型、具身智能赛道，对比海外有哪些独特优势？

方汉：首先是硬件供应链，动捕采集摄像头等设备全都是国产化，行业内卷不断压低硬件成本；第二是数据多样性，工厂、家政、物流等海量真实交互数据；第三是人才供给，国内训练视频、生成模型的技术人才储备充足，视频赛道如今存活的头部厂商基本都是中国团队，未来具身智能赛道大概率会复制这一格局。

媒体：当下AI影视、AI游戏热度都很高，世界模型会如何重塑文娱行业？

方汉：结合黄晓明、王珞丹的现场分享，我对文娱产业有三大判断。第一，游戏会最先迎来范式变革，未来3-5年世界模型会成为游戏行业基础设施，不再需要数百人团队手工搭建，玩家行为可以实时驱动虚拟世界演化，当前推理硬件成本过高是最大阻碍。

AI音乐、短视频创作将彻底大众化，Mureka这类工具是让普通人释放表达，而不是替代创作者。AI影视技术层面已经成熟，目前缺的是敢于试水的创作者。短剧成本低迭代最快，会率先跑出商业化爆款。

院线AI电影只是时间问题，只是有些传统影视从业者存在心态顾虑，担心作品被贴上“AI 制作”标签。整体来看，未来演员、导演的职业边界会越来越模糊。

媒体：昆仑万维同时布局音乐、视频、游戏、世界模型，多线研发如何控制资源投入？会持续很“烧钱”吗？

方汉：几条赛道底层技术完全互通，均基于DiT生成架构，数据清洗、推理优化的技术经验可以互相迁移，不存在完全独立的研发成本。

我们会持续深耕AIGC音乐、视频业务稳住基本盘，同时加码世界模型长期布局，抢占Physical AI时代入场券。