2026WAIC 昆侖萬維董事長兼CEO方漢：2026為“世界模型元年”

【TechWeb】7月20日消息，2026世界人工智能大會（WAIC）期間，昆侖萬維“世界模型與多模態范式躍遷”專場論壇在上海西岸國際會展中心舉行。作為深耕AI科技領域的領軍企業，昆侖萬維在這場論壇上宣布核心模型重磅升級——Matrix-Game 3.5世界模型、Mureka v9.5與O3音樂模型，全面覆蓋世界模型、AIGC創作等前沿賽道。昆侖萬維董事長兼CEO方漢在論壇上宣布：2026年為“世界模型元年” ，標志著AI從內容生成走向對物理世界的理解與交互的關鍵轉折。

方漢：2026是“世界模型元年”，三大產業預判錨定未來方向

在論壇主旨演講環節，昆侖萬維董事長兼CEO方漢正式宣布2026年為“世界模型元年” 。他指出，過去兩年AI行業的核心命題是“生成”——生成文字、圖像、視頻、音樂。而從2026年開始，AI的核心命題將轉向“理解”與“交互”——讓AI真正理解物理世界的運行規律，并能與真實環境進行閉環互動。世界模型正是實現這一跨越的關鍵技術底座。

昆侖萬維董事長兼CEO方漢

方漢在演講中系統闡述了三大產業預判：

第一，世界模型將走出屏幕，進入物理世界。 我們洞察到，具身智能正從實驗室走向真實環境，這一趨勢要求機器人在行動前先進行環境推演——預判動作后果、評估環境變化、及時調整應對策略。這種能力的突破，將使競爭焦點從單一任務轉向陌生環境下的通用模型能力；誰能訓練出在復雜場景中依然“看得懂、做得對”的模型，誰就拿到物理智能時代的入場券，這也是中國智能制造和機器人產業真正亟需的底層能力。

第二，游戲行業將率先被世界模型改變。 開放世界游戲不再依賴數百人團隊數年的手工搭建，Matrix-Game 3.5 讓虛擬世界隨玩家行動實時生長、持續演化。未來三到五年，世界模型將成為游戲行業的基礎設施，徹底刷新內容生產方式，而國產模型已在這一賽道領跑全球。

第三，AI音樂、AI視頻等工具將從技術試驗變成大眾創作工具，促進 AIGC 的深層發展。 Mureka 作為中國最強、全球前兩名的音樂生成模型，率先去除“AI味”，讓普通人也能把模糊靈感轉化為有情緒、有溫度的作品。這并非替代音樂人，而是大幅降低創作門檻，讓更多人的表達得以釋放，從而根本性改變音樂乃至整個 AIGC 產業的創作生態。

三個產業預判，背后是同一個方向：讓AI從“會生成”走向"懂世界"、"能行動"。方漢表示，這不只是昆侖萬維一家公司的回答，更是中國AI從研發走向產業應用的一個縮影。

AI模型全球升級，掀起全模態內容生成革命

本次論壇上，昆侖萬維集中完成了核心模型的全球重磅升級。

2.1 Matrix-Game 3.5：Patch級記憶注入，重新定義交互世界模型

作為昆侖萬維世界模型系列的最新迭代，Matrix-Game 3.5在本次論壇上帶來了革命性的技術升級。

Skywork首席科學家成宇在論壇上正式發布了Matrix-Game 3.5世界模型。Matrix-Game 3.5聚焦可交互世界模型技術，實現了Patch級別的記憶注入與系統級性能優化，5B模型在720p分辨率下可實現單卡20FPS實時生成，具備1分鐘記憶能力。

Skywork首席科學家成宇

成宇指出，世界模型是具身智能的“無限數據引擎”。傳統數據采集面臨人工成本高昂、實機采集耗時耗力、效率極低的痛點，無法滿足大模型規模化需求。Matrix-Game 3.5構建了支撐下一代世界模型的無限數據生產體系，突破傳統瓶頸，打造三條自動化數據生產管線，輸出Video+Pose+Action+Language的高質量訓練數據，目前已積累超500萬高質量視頻切片、超1萬有效訓練小時數、覆蓋1200余個游戲場景。

在技術架構上，Matrix-Game 3.5創新性地將歷史幀切分為帶有3D坐標的Patch Memory（通過Depth+Pose Lift到世界坐標系），推理時根據當前相機視錐檢索可見Patch并重新投影到當前視角形成Mosaic，再作為Memory Token注入DiT，實現長期一致性的Patch級空間記憶。這一設計將Frame-level FOV Memory升級為Patch-level FOV Memory，帶來四大核心優勢：更準確的空間記憶檢索與跨幀一致性、更穩定的相機運動生成、最大程度保留基座模型動態生成能力的In-context Learning、以及用戶可自由編輯記憶塊的可控記憶能力。

此外，Matrix-Game 3.5在推理加速層面實現了DiT推理與VAE解碼的全鏈路優化，通過“減少模型吞吐+DiT模型優化+VAE剪枝”三重手段，達成單卡20FPS 720p實時推理的業界領先性能，讓高質量世界模型真正具備實時交互能力。

Matrix-Game從1.0到3.5始終堅持開源路線。3.5版本宣布核心架構開源，吸引全球開發者共建生態。Matrix-Game 2.0是實時交互式世界模型技術范式中首個開源的實現方案，Matrix-Game 3.0則首次系統性地將記憶問題納入開源解決方案。

此前，DiT作者、紐約大學助理教授謝賽寧團隊基于Matrix-Game 2.0的開源底座，發布了全球首個多人視頻世界模型Solaris，也從學術圈的實際使用上印證了這套開源方案的基礎模型價值。NVIDIA和浙大聯合發布的工作Light Interaction基于Matrix-Game 3.0模型進行研發。另外，NVIDIA的SANA-WM和Adobe的RELIC等國際頭部大廠世界模型均將Matrix-Game相關模型作為對比基準。

Matrix-Game 3.5 開源地址

https://github.com/Riemann-Dynamics/Matrix-Game-3.5

2.2. Mureka v9.5與O3：最沒有AI味的AI音樂模型，讓音樂進入“版本化制作”時代

Mureka v9.5&O3 音樂大模型的發布，成為本次論壇最具情感沖擊力的時刻之一。

從SkyMusic 1.0內測到Mureka v9.5&O3，昆侖萬維的音樂模型走過了一條從“作品成立”到“創作可控”再到“多模態創作”的演進路徑。而v9.5版本首次喊出 “最沒有AI味的AI音樂模型” 這一口號——它不再依賴聲部堆砌和復雜編配制造“厲害”的第一印象，而是在真實的音樂框架中，以更為克制的方式處理編配、人聲、情緒與Prompt意圖，讓音樂表達更自然、更真誠。O3 建立在新版 V9.5 之上，并通過 test-time scaling 擴展 MusiCoT 的推理過程。它不是簡單地“生成得更多”或“想得更久”，而是讓模型在生成過程中持續審視當前表達：局部旋律是否仍服務全曲目標，編配是否遮蔽人聲，情緒是否提前透支，結構是否正在偏離最初意圖。額外推理空間被用于回看偏差與自我修正，使音樂 CoT 能夠逐步收斂，而不是一次決定后一路向前。

歌曲的主觀評分

從評測結果看，V9.5 沿著 MusiCoT 路線完成了更扎實的底座升級：旋律、人聲、音質和編曲全面提升，指令精準度從 6.92 提升至 7.62。它不再把“更滿、更復雜”當作唯一標準，而是在真實音樂框架中更克制地處理編配、人聲、情緒和 Prompt 意圖，讓歌曲更自然、更真誠。O3 則建立在 V9.5 之上，通過持續推演、回看偏差和修正后續決策，進一步強化旋律發展、編曲結構與指令理解，使歌曲結構更完整、情緒更連貫、段落關系更合理。簡單來說，V9.5 負責把歌做得更自然，O3 負責讓模型在交付前多看、多想、多修一遍。

今天，一首歌經常和視頻一起被消費。短視頻、游戲、影視預告、品牌片和虛擬人演出，都需要聲音與畫面共同表達。

Mureka 這次重磅升級，也把音樂與視頻 MV 接進了同一條創作鏈路。用戶可以從一張圖、一段視頻或 moodboard 開始，讓系統理解畫面的節奏、人物、空間和情緒，再生成與之匹配的音樂；當然，也可以從一首歌開始，讓 Agent 理解歌詞敘事、節拍編曲和情緒起伏，繼續生成角色與 MV 的視覺方案。歌詞決定敘事、節拍決定剪輯、旋律決定記憶點、畫面決定傳播場景。Agent 要做的，是讓這些信息在同一個創作目標下持續傳遞，而不是把幾個生成工具簡單拼在一起。

更為重要的是，Mureka已從單一的音樂生成工具演進為完整的“版本化制作”平臺。其差異不僅來自模型效果，更來自“模型訓練—推理時選優—版本化創作工具—平臺分發”的系統組合。同一創意可快速生成多版本，支持在旋律、人聲、結構等維度進行局部保留與替換；Studio將“操作DAW”轉化為“指揮創作”，降低門檻、抬高上限。同時，Mureka推出Character功能——一段聲音、一張照片即可生成專屬歌手角色，并貫穿歌曲、MV全鏈路；AI配樂能自動分析視頻畫面的場景、動作與情緒，創作更貼合內容的音樂；Mureka Agent則通過自然語言一次對話調用整曲生成、單軌生成、Remix、延伸、MIDI導出、聲音克隆等全部能力，全程無需切換界面。

正如昆侖萬維所提出的愿景：AI音樂不再是簡單的消費內容，而是升級為一種自我表達的語言。用戶不僅是被動聆聽者，更是主動表達者與參與者。Mureka正以模型能力、創作工具與平臺分發的完整閉環，重新定義AI時代的音樂創作生態，讓每個普通人的靈感都能有溫度地落地，從“一個想法”到“歌詞—人聲—角色—歌曲—MV”的完整創作鏈路，全面釋放AIGC的深層創作力。