編輯｜Youli

過去一年，全球科技界正開啟一場(chǎng)關(guān)于「世界模型」的豪賭。

從李飛飛 World Labs 的百億美元估值神話，到 Yann LeCun 創(chuàng)下紀(jì)錄的 10.3 億美元種子輪，再到 Google 與 NVIDIA 傾注海量算力的資源博弈 —— 資本與天才們正押注同一個(gè)未來：AI 終將走出屏幕，理解并重構(gòu)物理世界。

所謂世界模型，是 AI 的「內(nèi)生物理引擎」。它要求 AI 像人類一樣理解三維空間、記憶物體狀態(tài)并預(yù)測(cè)物理演變。然而，目前主流模型大多只是在「畫」像素而非「懂」物理，一旦涉及復(fù)雜交互，邏輯便會(huì)崩塌。若無法從「視覺生成」跨越到「物理感知」，AI 就永遠(yuǎn)無法在現(xiàn)實(shí)世界中自由行動(dòng)。

但拐點(diǎn)比想象中來得更快。就在全球算力競(jìng)賽陷入「像素瓶頸」的僵局時(shí)，中國初創(chuàng)公司影溯（InSpatio）給出了破局答案。

近日，影溯正式發(fā)布并開源世界模型InSpatio-World，綜合性能優(yōu)異，在李飛飛牽頭的權(quán)威世界模型榜單 WorldScore-Dynamic 中，力壓其他實(shí)時(shí) / 交互級(jí)推理速度的世界模型。它徹底摒棄了燒錢低效的純 2D 視頻路徑，憑借更具第一性原理的3D 空間架構(gòu)，帶來了可實(shí)時(shí)交互的動(dòng)態(tài)世界。

更令行業(yè)震撼的是其「效率奇跡」：僅用數(shù)百萬元的訓(xùn)練成本（并非一次訓(xùn)練，而是研發(fā)全周期的訓(xùn)練迭代），便在核心指標(biāo)上反超同類 AI 巨頭的模型，而且在單張專業(yè)級(jí)顯卡上實(shí)現(xiàn) 24FPS 的推理速度！

這標(biāo)志著，在世界模型的技術(shù)博弈中，國內(nèi)團(tuán)隊(duì)不僅殺回了牌桌，更直接打出了「王炸」。相比 2D 路徑動(dòng)輒數(shù)億的資源黑洞，影溯用實(shí)戰(zhàn)證明了 3D 路徑近乎碾壓的代際效率優(yōu)勢(shì)。

• 模型演示：world.inspatio.com
• 項(xiàng)目主頁：https://inspatio.github.io/inspatio-world/
• 代碼主頁：https://github.com/inspatio/inspatio-world

項(xiàng)目發(fā)布后迅速引發(fā)硅谷 AI 圈層關(guān)注，多位意見領(lǐng)袖相繼轉(zhuǎn)發(fā)；NeRF 原始論文共同作者、Google DeepMind 首席研究科學(xué)家 Jon Barron 也在第一時(shí)間參與傳播。

范式突破，國內(nèi)創(chuàng)業(yè)團(tuán)隊(duì)登頂實(shí)時(shí)世界模型榜首

只需一段普通單目視頻，InSpatio-World 即可「復(fù)活」一個(gè)鮮活的 4D 世界。

它讓 4D 建模徹底走出實(shí)驗(yàn)室，將日常影像重塑為可反復(fù)進(jìn)入、沉浸體驗(yàn)的立體記憶空間，使平面的像素躍升為跨越時(shí)空的數(shù)字現(xiàn)實(shí)。

不僅如此，憑借強(qiáng)大的實(shí)時(shí)仿真能力，它正成為具身智能與自動(dòng)駕駛非常理想、有效的虛擬訓(xùn)練場(chǎng)。從重塑時(shí)空到賦能產(chǎn)業(yè)，InSpatio-World 正在定義下一代可交互數(shù)字資產(chǎn)。

特別令人興奮的是，相比以往的世界模型，InSpatio-World 對(duì)算力的要求大幅降低：僅需百卡級(jí)別的算力即可完成快速訓(xùn)練，甚至在單張 RTX 4090 顯卡上就能實(shí)現(xiàn)10 FPS的流暢推理，極大打開了商業(yè)化落地的想象空間。

除了驚艷的實(shí)際效果，在 WorldScore-Dynamic Benchmark 的最新評(píng)測(cè)中，最小參數(shù)規(guī)模版本的 InSpatio-World 已經(jīng)力壓群雄，在實(shí)時(shí) / 交互級(jí)世界模型中位居榜首。

這次「以小搏大」的奪冠，標(biāo)志著世界模型賽道的兩大底層突破：

• 架構(gòu)勝過規(guī)模：在動(dòng)輒千億參數(shù)的暴力美學(xué)競(jìng)賽中，小參數(shù)模型憑借架構(gòu)優(yōu)勢(shì)逆襲，證明了建模范式遠(yuǎn)比規(guī)模堆疊更重要；
• 從「像素生成」到「實(shí)時(shí)仿真」：InSpatio-World 交付的不再是靜態(tài)、單向的視頻切片，而是一個(gè)響應(yīng)式、可交互的「鮮活世界」，實(shí)現(xiàn)了從像素復(fù)現(xiàn)到實(shí)時(shí)狀態(tài)模擬的跨代飛躍。

最顛覆之處在于，InSpatio-World 極大地降低了物理世界的數(shù)字化門檻。它擺脫了昂貴的專業(yè)設(shè)備與冗長(zhǎng)的渲染等待，讓「瞬時(shí)建?！沟脑妇白兊糜|手可及。

技術(shù)路徑：以三維為錨點(diǎn)，表征世界

世界模型的核心目標(biāo)，是通過預(yù)測(cè)下一時(shí)刻的世界狀態(tài)，使 AI 具備對(duì)空間與動(dòng)態(tài)的理解能力。

但在「如何表征世界」上，行業(yè)存在根本分歧：

• 2D 路線（如 NVIDIA 的 Cosmos、Google 的 Genie 系列）

通過海量視頻進(jìn)行「視覺統(tǒng)計(jì)」學(xué)習(xí)。優(yōu)勢(shì)在于數(shù)據(jù)紅利極度充裕，但由于缺乏顯式幾何約束，模型往往在處理復(fù)雜遮擋、大尺度相機(jī)運(yùn)動(dòng)或長(zhǎng)程演化時(shí)，出現(xiàn)物理一致性坍塌（如物體憑空消失或變形）。

• 3D 路線（如 World Labs 的 Marble 以及 RTFM 模型）

堅(jiān)持「空間結(jié)構(gòu)」直接建模。其基本判斷是：若 AI 終將介入物理世界，其內(nèi)部表征必須是三維的。 這種路徑天然具備空間一致性與可解釋性，但長(zhǎng)期被困于 “高質(zhì)量 3D 數(shù)據(jù)稀缺” 的泥潭。

這一分歧的本質(zhì)在于，是從「視覺統(tǒng)計(jì)」逼近世界，還是從「空間結(jié)構(gòu)」直接建模世界。

而影溯選擇了一條更具挑戰(zhàn)性的路徑：將海量 2D 視頻轉(zhuǎn)化為可學(xué)習(xí)的 3D 動(dòng)態(tài)表示。這一思路巧妙地繞過了數(shù)據(jù)瓶頸，實(shí)現(xiàn)了從 InSpatio-WorldFM（靜態(tài) 3D 世界重建）到 InSpatio-World（動(dòng)態(tài) 4D 世界演化）的跨越。

除了在數(shù)據(jù)獲取上的創(chuàng)新思路，影溯的另一突破在于提出了狀態(tài)錨定世界建模（State-Anchored World Modeling）范式，實(shí)現(xiàn)了世界模型從視覺模擬向物理仿真的本質(zhì)跨越。

不同于傳統(tǒng)模型在像素層面的概率預(yù)測(cè)，影溯通過顯式建?！甘澜鐮顟B(tài)」，實(shí)現(xiàn)了觀測(cè)視角與物理實(shí)體的本質(zhì)解耦。

在此范式下，時(shí)間的演化不再是畫面的連續(xù)擴(kuò)散，而是 3D 狀態(tài)本身的物理更新。依托「顯式狀態(tài)建模、時(shí)空自回歸框架、聯(lián)合分布匹配蒸餾」三大核心技術(shù)，模型在鎖定空間確定性的同時(shí)，將海量視頻的視覺真實(shí)感完美蒸餾至 3D 空間。

這一范式的演變，標(biāo)志著 AI 產(chǎn)出從「易逝的像素序列」進(jìn)化為「可演化的 4D 空間實(shí)體」，具體體現(xiàn)為以下兩點(diǎn)維度躍遷：

• 從像素模擬到物理仿真：

打破了視頻生成的「視覺幻覺」，確保物理法則在持續(xù)運(yùn)行中保持嚴(yán)絲合縫的一致性，而非隨時(shí)間推移產(chǎn)生邏輯漂移或畫面崩塌。

• 從線性播放到時(shí)空交互：

徹底告別單向流轉(zhuǎn)的視頻形態(tài)，世界變得可以被自由暫停、精準(zhǔn)回溯，用戶甚至能隨時(shí)重返某一歷史時(shí)刻，介入一個(gè)真實(shí)交互的 4D 動(dòng)態(tài)時(shí)空。

頂級(jí)團(tuán)隊(duì)入場(chǎng)，用架構(gòu)創(chuàng)新，突破算力困局

在世界模型這一充滿天價(jià)融資與算力博弈的超級(jí)賽道上，影溯（InSpatio）團(tuán)隊(duì)正以一種極具「DeepSeek 色彩」的方式完成突圍。

這種突破的核心不在于算力的暴力堆砌，而在于算法架構(gòu)的極致創(chuàng)新與工程化能力的深度融合。影溯之所以能用輕量化參數(shù)在 WorldScore 榜單上實(shí)現(xiàn)「以小博大」，得益于其背后一條獨(dú)特的產(chǎn)學(xué)研協(xié)同路徑 —— 將頂尖學(xué)術(shù)團(tuán)隊(duì)的原始創(chuàng)新能力，與產(chǎn)業(yè)一線的工程實(shí)戰(zhàn)能力無縫嵌合，形成了完整的技術(shù)閉環(huán)。

這支「國家隊(duì)」背景的團(tuán)隊(duì)，構(gòu)建了貫通三維感知、實(shí)時(shí)計(jì)算與物理仿真的全棧技術(shù)和工程能力閉環(huán)，而這正是產(chǎn)學(xué)研深度融合的成果：鮑虎軍教授作為首席科學(xué)家，所領(lǐng)銜的前沿研究團(tuán)隊(duì)在圖形學(xué)、空間計(jì)算與混合現(xiàn)實(shí)領(lǐng)域數(shù)十年厚積薄發(fā)，為世界模型和空間智能的構(gòu)建奠定了堅(jiān)實(shí)的理論和技術(shù)基礎(chǔ)；作為鮑虎軍教授團(tuán)隊(duì)成員、同時(shí)也是影溯創(chuàng)始人的章國鋒教授，早年即在商湯科技兼職帶領(lǐng)技術(shù)團(tuán)隊(duì)，在學(xué)術(shù)研究與產(chǎn)業(yè)落地之間積累了豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)，這種雙重身份的淬煉，使他能夠?qū)⒖臻g智能的前沿算法，轉(zhuǎn)化為驅(qū)動(dòng)產(chǎn)業(yè)變革的實(shí)際動(dòng)能。這些來自學(xué)術(shù)端的理論突破與產(chǎn)業(yè)端的落地認(rèn)知，經(jīng)由聯(lián)合創(chuàng)始人劉浩敏博士及其團(tuán)隊(duì)的工程化能力進(jìn)一步放大，在產(chǎn)業(yè)一線完成了模型訓(xùn)練、效率優(yōu)化與系統(tǒng)驗(yàn)證，讓前沿算法得以在有限算力下實(shí)現(xiàn)實(shí)時(shí)響應(yīng)與極致吞吐。

正是這種從實(shí)驗(yàn)室到產(chǎn)業(yè)端的雙向奔赴 —— 學(xué)術(shù)研究提供「從 0 到 1」的范式突破，工程化能力承接「從 1 到 N」的效率攻堅(jiān) —— 讓影溯不僅理解如何構(gòu)建靜態(tài)空間，更理解如何讓空間邏輯化地動(dòng)態(tài)演化?；谶@種從「模擬像素」到「模擬存在」的范式理解，影溯在兩周內(nèi)連續(xù)憑借 InSpatio-WorldFM 與 InSpatio-World 獲得了廣泛關(guān)注。

從「模擬像素」到「模擬存在」，世界模型正在逼近「真實(shí) 」

業(yè)界的一個(gè)普遍觀點(diǎn)是，如果說 LLM 定義了過去幾年的 AI 浪潮，那么世界模型很有可能正在定義下一輪。它不只是讓 AI 生成得更真實(shí)，而在于讓 AI 第一次有機(jī)會(huì)以更接近真實(shí)世界的方式去觀察、記憶、預(yù)測(cè)和規(guī)劃。因此，世界模型正在重寫多個(gè)行業(yè)的底層邏輯……

在自動(dòng)駕駛領(lǐng)域，世界模型正在推動(dòng)行業(yè)從「端到端感知」邁向「生成式智駕」，通過構(gòu)建可控的虛擬世界，系統(tǒng)可以在仿真中生成大量長(zhǎng)尾場(chǎng)景，反復(fù)試錯(cuò)并持續(xù)優(yōu)化，從而形成「數(shù)據(jù) — 仿真 — 策略迭代」的閉環(huán)。

在虛擬現(xiàn)實(shí)（VR/AR）領(lǐng)域，世界模型則有望緩解長(zhǎng)期存在的「空間內(nèi)容供給瓶頸」，將文本、圖像甚至視頻直接轉(zhuǎn)化為可探索的三維空間，使空間內(nèi)容的生產(chǎn)從手工建模，走向自動(dòng)生成與編輯。

而在具身智能領(lǐng)域，世界模型則讓機(jī)器人第一次具備「行動(dòng)前的模擬」能力，不再只是被動(dòng)響應(yīng)，而是能夠在內(nèi)部推演不同決策路徑，以選擇更優(yōu)策略，從「能執(zhí)行指令」變成「理解環(huán)境并自主決策」。

還有視頻制作、游戲制作等等，越來越多的領(lǐng)域都將因世界模型的極大進(jìn)步而同頻共振……

影溯的愿景，是構(gòu)建一個(gè)可自主演化、可因果交互的數(shù)字世界，推動(dòng)智能體實(shí)現(xiàn)從「交流與繪畫」到「預(yù)測(cè)與規(guī)劃」的跨越，并最終賦予其主動(dòng)改造世界的能力。

從「模擬像素」到「模擬存在」，InSpatio-World 便是通往這一目標(biāo)的堅(jiān)實(shí)基石。這種輕量化設(shè)計(jì)與極致實(shí)時(shí)性能的結(jié)合，標(biāo)志著生成式世界建模邁向了全新的里程碑，第一次實(shí)現(xiàn)了高精度與沉浸感的深度融合。在不久的將來，無論是工廠里的工業(yè)機(jī)器人還是家里的游戲、電影、AR 穿戴設(shè)備等，或許都將運(yùn)行在 3D 世界模型之上。

而在這場(chǎng)從 AI「生成內(nèi)容」走向「構(gòu)建世界」的全球競(jìng)賽中，影溯正成為其中最值得關(guān)注的中國變量。

據(jù)影溯團(tuán)隊(duì)透露，目前已收到全球數(shù)十家機(jī)器人、自動(dòng)駕駛與內(nèi)容巨頭的深度商業(yè)化需求，正全力加速世界模型的產(chǎn)業(yè)落地。影溯誠邀更多行業(yè)伙伴共建空間智能生態(tài)，共同定義 AI 的未來。