魔芯科技发布实时交互世界模型 MoWorld，推理成本降至 GPU 方案 30%
魔芯科技发布基于国产 NPU 的实时交互世界模型 MoWorld，以 50FPS 和 30% 推理成本实现产业级空间智能模拟。
MoWorld 是首个基于国产 NPU 的实时交互世界模型，支持 6 自由度相机控制，在 14B 参数 MoE 架构下实现最高 50 FPS 推理，训练和推理成本仅为同规模 GPU 方案的 30%，为机器人、游戏、数字孪生等场景提供低成本空间模拟引擎。
正文摘录
- title: 50 FPS、成本打掉 70%，魔芯 MoWorld 把世界模型带进产业时代 - sourcecompany: 量子位 - bodymarkdown: 真正的世界模型，不只是连续生成画面，而是能够理解空间、预测接下来的世界状态（next state）。 其中， 实时性 很重要，因为不管是机器人决策、还是游戏娱乐，30 FPS 的帧率，才能被称之为“流畅”。 近期，专注于 4D 世界模型研发和产业化的 魔芯科技 ，联合浙江大学潘云鹤院士、华为等，正式发布：首个全栈基于 国产 NPU 的实时交互世界模型 MoWorld。 项目主页：https://moxin-tech.github.io/moworld/ 过去一段时间，世界模型更多停留在学术研究和实验阶段，从研究到产业，关注的重点不再只是“能不能生成”，而是“ 能不能实时交互、能不能稳定部署、能不能把成本降到可用区间 ”。 MoWorld 正是基于这一背景推出，以服务产业实际应用为目标，魔芯团队和其战略股东 华为团队 开展了近一年的技术攻关，解决了诸多世界模型落地应用的关键问题。 MoWorld 接收首帧、文本和相机轨迹作为条件，生成符合场景状态和控制输入的未来世界状态，并通过类似 W/A/S/D 的连续控制方式，支持用户在生成世界中进行实时交互，在国产 NPU 上实现最高 50 FPS 的推理，并且通过系统设计，实现极低的推理成本开支。 对于世界模型而言，生成效果只是第一步，真正决定能否落地的，是 训练成本、推理效率以及实时交互能力 。 围绕这一目标，MoWorld 从数据构建、模型训练到系统部署进行了全链路优化，在提升模型能力的同时，也让世界模型具备了更高的工程可用性。 首先是 数据 ，与传统视频生成模型不同，世界模型训练不仅需要视频和文本，还需要相机轨迹、空间深度等三维信息，直接使用互联网视频远远不够。