近日，2026世界人工智能大会拉开帷幕，昆仑万维在此间举办的“世界模型与多模态范式跃迁”专场论坛成为焦点。昆仑万维董事长兼CEO方汉在会上高调宣布，“世界模型元年”正式到来，AI技术探索正从文字、图像、音视频的生成阶段，迈向与物理世界深度交互的新纪元。
活动现场，昆仑万维抛出重磅消息，核心模型完成重大突破：Matrix-Game 3.5世界模型、Mureka v9.5智能创作系统以及O3音乐模型齐齐亮相，全面覆盖世界模型构建、AIGC内容创作等尖端领域。方汉进一步指出，在接下来的3到5年里，世界模型有望成为游戏产业的基石，并逐步渗透到影视制作等多个行业。
在圆桌讨论环节，演员黄晓明分享了他的深刻感受，认为AI技术的飞速发展远远超出了很多人的预期，AI生成的角色微表情、毛孔纹理等细节已经达到了真假难辨的地步。他表达了对AI赛道的强烈信心，并透露自己有意向在此领域进行投资布局。演员王珞丹则讲述了她如何通过不断调整提示词，反复尝试，最终找到理想镜头的创作故事。她强调，虽然AI可以辅助创作，但人类独特的表达欲才是内容的本质，观众最终产生共鸣的，永远是故事本身，而非创作手段。
论坛结束后，方汉还与搜狐科技等多家媒体就世界模型的技术内涵、文娱产业的变革趋势、AI行业的竞争格局等议题进行了深入交流。
以下是本次对话的精华内容：
媒体人提问：您将2026年定为“世界模型元年”，是基于哪些考量？今年行业有哪些重要的进展？
方汉回答：过去两年，AI行业的主要任务是实现内容生成，无论是文字、图片、视频还是音乐，都能做到批量生产。但AI的应用一直局限于屏幕内部，缺乏与真实物理世界的连接。直到今年，我们证明了通过异构普通视频数据进行规模化训练，世界模型成为可能，这是一个里程碑式的转折。
媒体人追问：如何理解这项技术？它带来了哪些实际效果？
方汉继续阐述：以往，训练机器人和世界模型只能依赖UMI动作捕捉系统、真实设备采集，一套动捕设备价值十几万，单小时采集成本就在500至2000元之间。想要获得千万小时的数据集，投入至少需要几十亿，这对于任何企业来说都是天文数字。而现在，普通人用手机拍摄的日常操作视频就是宝贵的异构数据，通过深度重建技术，就能转化为高质量的训练材料，成本有望降低到每小时10元。
方汉强调，只有当低成本、多样化的真实数据供应体系建立起来，世界模型才能真正实现规模化应用，这也是我们将今年定为元年的理由。
媒体人关注：Matrix-Game 3.5、Mureka音乐模型分别解决了哪些行业难题？
方汉介绍：Matrix-Game 3.5专为可交互世界模型设计，创新性地采用了Patch级空间记忆技术，有效解决了传统模型画面跨帧不一致、相机抖动失真的难题。积累的视频数据不仅可以驱动游戏自动生成虚拟场景，还能为具身机器人提供环境推演的底层支持。而Mureka v9.5则致力于“去AI感”，以更自然的方式还原人声和情感，将专业音乐制作的门槛降低到普通人可以企及的水平。
关于世界模型的数据规模门槛，以及行业何时能迎来技术飞跃，方汉表示，对标自动驾驶的发展历程，具身世界模型的最终发展方向是端到端的统一技术路线，而数据规模则是决定模型性能的关键要素。行业普遍认为，要实现模型的通用化，需要千万小时甚至上亿小时的数据训练。
媒体人进一步提问：目前市场上各家企业的数据积累情况如何？突破千万小时门槛需要多长时间？
方汉给出了具体的数据：目前大多数企业的数据量在十几万小时左右，今年头部企业有望突破百万小时。预计到2027年底，会有企业率先达到千万小时的数据规模，而实现亿小时的数据规模则需要3到5年的时间。方汉指出，数据积累的竞争不仅在于资金投入，更在于产业链的协同。中国拥有全球最完整的工业、家政等场景数据，未来全球很可能都会来华采购训练数据。
媒体人观察到，现在很多企业都在开发垂直应用，这是否意味着模型研发已经不再是重点？
方汉明确表示不认同这种观点。他认为，垂直应用的能力很容易被大模型原生整合，单纯做应用层面的竞争壁垒非常低，风险很大。
对于创业者来说，当前市场的机会在哪里？方汉建议，创业者应该拿着钉子找锤子，而不是拿着锤子找钉子。创业者不必先开发模型再寻找应用场景，反而可以先深入短视频、工业机器人、家政等行业，了解真实需求，开发轻量化的模型工具，建立差异化竞争优势。相比之下，单纯做通用应用很容易被头部大模型快速覆盖。
媒体人提问：中国在世界模型、具身智能赛道上，相比海外有哪些独特的优势？
方汉列举了三点：首先，硬件供应链的本土化，动捕采集摄像头等设备全部实现国产，行业内竞争不断压低硬件成本；其次是数据多样性的优势，中国拥有工厂、家政、物流等海量真实交互数据；第三是人才供给的充足性，国内训练视频、生成模型的技术人才储备丰富，视频赛道的头部企业基本都是中国团队，未来具身智能赛道很可能也会复制这一格局。
AI影视和AI游戏目前热度颇高，世界模型将如何重塑文娱产业？方汉结合黄晓明、王珞丹的现场分享，提出了三大判断。首先，游戏产业将最先经历范式变革，预计在3到5年内，世界模型将成为游戏行业的标准基础设施，不再需要数百人的团队手工构建场景，玩家的行为可以实时驱动虚拟世界的变化。但目前最大的阻碍是推理硬件成本过高。其次，AI音乐和短视频创作将彻底走向大众化，Mureka这类工具的使命是让普通人释放自我，而不是取代创作者。AI影视的技术层面已经成熟，目前缺少的是勇于尝试的创作者。短剧因为成本低、迭代快，将率先找到商业爆款的路径。至于院线AI电影，只是时间问题，只是部分传统影视从业者还存在着心理顾虑，担心作品会被贴上“AI制作”的标签。总的来说，未来演员和导演的职业边界会变得越来越模糊。
最后，媒体人询问昆仑万维同时布局音乐、视频、游戏、世界模型等多条赛道，如何控制资源投入？是否会持续“烧钱”？
方汉表示，这几条赛道在底层技术层面完全相通，都基于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。昆仑万维将持续深耕AIGC音乐、视频业务，稳固基本盘的同时，加码世界模型的长期布局，抢占Physical AI时代的入场券。
