編輯｜杜偉

就在 27 日下午，在火熱進(jìn)行中的 2026 中關(guān)村論壇上，一家國(guó)產(chǎn)頭部 AI 廠商引爆了全場(chǎng)！

昆侖萬(wàn)維，這家 2022 年便已「All in AGI 與 AIGC」的實(shí)力玩家，亮出了其實(shí)現(xiàn)通用人工智能終極目標(biāo)的最新「武器庫(kù)」。

作為兼具國(guó)家影響力和國(guó)際化視野的高規(guī)格論壇，一年一度的中關(guān)村論壇成為了匯聚國(guó)內(nèi)外產(chǎn)業(yè)界、學(xué)術(shù)界、投資界一線代表的舞臺(tái)。本屆論壇以「科技創(chuàng)新與產(chǎn)業(yè)創(chuàng)新深度融合」為主題，吸引了來(lái)自 100 多個(gè)國(guó)家和地區(qū)的上千名嘉賓參與。

在會(huì)上，昆侖萬(wàn)維旗下天工 AI 重磅發(fā)布了全新 AI 游戲世界模型 Matrix-Game 3.0AI 視頻大模型 SkyReels V4AI 音樂(lè)大模型 Mureka V9，在繼續(xù)強(qiáng)化 AIGC 理解與生成能力的同時(shí)，進(jìn)一步推進(jìn) AI 對(duì)物理世界的建模與仿真。

一出手就是三大王炸，這三款大模型全都邁進(jìn)了世界第一梯隊(duì)，跑分成績(jī)尤為亮眼。

其中，SkyReels V4 在 Artificial Analysis 基準(zhǔn)測(cè)試中分別奪得「帶音頻文生視頻」和「帶音頻圖生視頻」榜單全球第一，以及圖生視頻（不帶音頻）榜單全球第二（截至 2026 年 3 月 18 日評(píng)測(cè)結(jié)果）。

在與 Suno V5、前代 Mureka V8 的較量中，Mureka V9 在音樂(lè)旋律性、音樂(lè)表現(xiàn)力、編配編曲等主觀指標(biāo)上全面勝出

• Matrix-Game3.0 主頁(yè)：https://matrix-game-v3.github.io/
• SkyReels V4 官網(wǎng)：https://www.skyreels.ai/
• Mureka V9 官網(wǎng)：https://www.mureka.cn/

在三大新模型集中亮相之外，昆侖萬(wàn)維對(duì)外公布了其2026 AGI 戰(zhàn)略，為完成「實(shí)現(xiàn)通用人工智能，讓每個(gè)人更好地塑造和表達(dá)自我」的使命給出了更清晰的路徑指引，并釋放出了一個(gè)明確的信號(hào)：未來(lái)三年，AI 發(fā)展將從全模態(tài)能力突破進(jìn)入到平臺(tái)化構(gòu)建階段。

天工 AI 董事長(zhǎng)兼 CEO 周亞輝

在昆侖萬(wàn)維的戰(zhàn)略設(shè)想中，在底層全模態(tài)基礎(chǔ)模型與中間層超級(jí)智能體之外，還要向上拓展應(yīng)用層，探索更豐富的產(chǎn)品形態(tài)，包括面向內(nèi)容消費(fèi)與生產(chǎn)的短劇平臺(tái)DramaWave、面向音樂(lè)創(chuàng)作與分發(fā)的平臺(tái)Mureka以及面向互動(dòng)娛樂(lè)的游戲世界貓森學(xué)園

當(dāng)這三層實(shí)現(xiàn)協(xié)同運(yùn)轉(zhuǎn)，AI 的形態(tài)也隨之發(fā)生變化：不再是一個(gè)個(gè)孤立的模型或工具，而是一個(gè)可以持續(xù)運(yùn)轉(zhuǎn)的系統(tǒng)。

隨著這套體系慢慢跑起來(lái)，AI 原生的平臺(tái)經(jīng)濟(jì)將開(kāi)始走向落地。屆時(shí)，每一個(gè)創(chuàng)作者將擁有匹敵一家公司的全棧生產(chǎn)力。

記得住、跑得久、跑得快

世界模型補(bǔ)齊關(guān)鍵短板

自去年 5 月開(kāi)源 Matrix-Game 系列 1.0 版本以來(lái)，昆侖萬(wàn)維對(duì)交互式世界模型的探索一直沒(méi)有停歇。之后 8 月繼續(xù)開(kāi)源 Matrix-Game 2.0，其被打造成為了業(yè)界首個(gè)實(shí)時(shí)長(zhǎng)序列交互式世界模型，在鍵盤按鍵的控制下可以做到分鐘級(jí)的實(shí)時(shí)互動(dòng)。

此次，Matrix-Game 3.0 補(bǔ)齊了世界模型存在的三大短板：記不住（記憶）、跑不久（長(zhǎng)時(shí)程）和跑不動(dòng)（實(shí)時(shí) + 分辨率）。其核心價(jià)值在于對(duì)這些短板進(jìn)行解構(gòu)，貫通數(shù)據(jù)、記憶與實(shí)時(shí)生成三大環(huán)節(jié)，推動(dòng)系統(tǒng)從生成片段邁向運(yùn)行世界。

首先數(shù)據(jù)層面，構(gòu)建可無(wú)限擴(kuò)展的世界模型數(shù)據(jù)引擎。Matrix-Game 3.0 在數(shù)據(jù)形態(tài)、生產(chǎn)方式和工程層面均給出了創(chuàng)新性解法。

數(shù)據(jù)形態(tài)上，補(bǔ)上過(guò)去互聯(lián)網(wǎng)數(shù)據(jù)缺失的關(guān)鍵一環(huán)，從傳統(tǒng)的純視頻升級(jí)為同時(shí)包含視頻、位姿、動(dòng)作乃至提示詞的多模態(tài)對(duì)齊數(shù)據(jù)；生產(chǎn)方式上，采用 Unreal Engine 合成數(shù)據(jù) + 真實(shí) 3A 游戲采集的雙管線體系；工程上，從探索、采集到標(biāo)注與質(zhì)檢全流程自動(dòng)化運(yùn)行。

一套流程走下來(lái)，世界模型不再受限于數(shù)據(jù)獲取，而開(kāi)始擁有一臺(tái)可以不斷產(chǎn)出「世界」的數(shù)據(jù)引擎。

其次模型架構(gòu)層面，在算力效率與記憶能力之間建立起了一套協(xié)同機(jī)制，同時(shí)實(shí)現(xiàn) 720p 實(shí)時(shí)生成與分鐘級(jí)長(zhǎng)時(shí)序穩(wěn)定演化這兩個(gè)目標(biāo)

為此，Matrix-Game 3.0 在訓(xùn)練階段重構(gòu)視頻生成范式之外，著力解決了「控制信號(hào)注入」和「長(zhǎng)時(shí)序抗漂移」兩個(gè)關(guān)鍵問(wèn)題。

整體架構(gòu)概覽

控制層面將用戶動(dòng)作顯式引入模型，其中鼠標(biāo)信號(hào)通過(guò) Self-Attention 直接作用于當(dāng)前視覺(jué)生成，保證即時(shí)交互準(zhǔn)確響應(yīng)；鍵盤動(dòng)作則通過(guò) Cross-Attention 注入，負(fù)責(zé)引導(dǎo)整體運(yùn)動(dòng)趨勢(shì)，使模型在長(zhǎng)序列中依然保持穩(wěn)定的行為方向。兩者協(xié)同，實(shí)現(xiàn)高質(zhì)量與控制性的統(tǒng)一。

長(zhǎng)時(shí)序穩(wěn)定性層面引入 Error Buffer 機(jī)制，顯式建模生成幀與真實(shí)幀之間的誤差，并作為條件回注模型；同時(shí)通過(guò)對(duì)歷史幀進(jìn)行誤差擾動(dòng)訓(xùn)練，讓模型在訓(xùn)練階段就習(xí)慣偏差，在推理時(shí)具備抗誤差累積能力，避免隨時(shí)間推移出現(xiàn)結(jié)構(gòu)漂移與內(nèi)容崩壞。

這套機(jī)制讓模型不只是完成生成任務(wù)，更能在持續(xù)演化過(guò)程中保持一致性與可控性，真正具備了長(zhǎng)時(shí)間穩(wěn)定運(yùn)行的能力。

Memory 注入

記憶層面通過(guò)一個(gè)統(tǒng)一的 DiT 框架，將長(zhǎng)期記憶、局部歷史幀以及當(dāng)前預(yù)測(cè)目標(biāo)進(jìn)行聯(lián)合建模，從而在保證生成連續(xù)性的同時(shí)，實(shí)現(xiàn)跨時(shí)間的信息利用。

長(zhǎng)時(shí)序一致性蒸餾

最后推理部署層面，讓高分辨率下的實(shí)時(shí)運(yùn)行成為可能

Matrix-Game 3.0 采用具備長(zhǎng)期記憶能力、且能夠抵抗誤差累積的基礎(chǔ)模型作為教師模型進(jìn)行蒸餾，并利用「上一段輸出作為下一段輸入」的多段式聯(lián)合訓(xùn)練，強(qiáng)化模型長(zhǎng)時(shí)序連續(xù)推理能力，使其在生成過(guò)程中能夠保持記憶與穩(wěn)定性。同時(shí)結(jié)合模型量化與 VAE decoder 蒸餾等優(yōu)化手段，將模型壓縮至約 5B 規(guī)模，并在 720p 分辨率下實(shí)現(xiàn)實(shí)時(shí)生成

不僅如此，隨著模型規(guī)模繼續(xù)擴(kuò)展，Matrix-Game 3.0 依然可以實(shí)現(xiàn)真實(shí)場(chǎng)景泛化、第一 / 第三人稱多視角一致性與長(zhǎng)時(shí)序穩(wěn)定運(yùn)行，其中MoE-28B 模型已將生成時(shí)長(zhǎng)推進(jìn)至分鐘級(jí)

1 分鐘游戲畫面生成

與前代一樣，昆侖萬(wàn)維已經(jīng)開(kāi)放了 Matrix-Game 3.0 的代碼與模型權(quán)重：

• GitHub 地址：https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3
• Hugging Face 地址：https://huggingface.co/Skywork/Matrix-Game-3.0

告別音畫拼接

AI 視頻走向原生一體生成

其實(shí)，昆侖萬(wàn)維的視頻大模型在前段時(shí)間已經(jīng)在社區(qū)引發(fā)了熱議。在 Artificial Analysis 文生視頻（帶音頻) 賽道擊敗 Sora 2、Veo 3.1 之后，SkyReels V4 的能力得到了社區(qū)的高度認(rèn)可。

作為 SkyReels 系列的最新版本，SkyReels V4 在 V1（短劇創(chuàng)作）、V2（無(wú)限時(shí)長(zhǎng)電影生成）和 V3（多模態(tài)視頻生成）的基礎(chǔ)上，進(jìn)化為「全模態(tài)音視頻聯(lián)合生成、修復(fù)與編輯」的大一統(tǒng)模型。從此，AI 視頻不只是簡(jiǎn)單地生成一段畫面，而是像人類一樣具備基本的敘事能力。

這一變化的背后，離不開(kāi) SkyReels V4 在底層架構(gòu)、全模態(tài)控制、強(qiáng)化學(xué)習(xí)范式、效率優(yōu)化等多個(gè)層面的系統(tǒng)性升級(jí)。

首先也是最關(guān)鍵的變化：其從底層架構(gòu)重寫音視頻生成方式，采用原生音畫一體的雙流 MMDiT 架構(gòu)，替代「先畫面、后音頻」的串行方式，將音視頻在同一語(yǔ)義空間中聯(lián)合建模。

為此，模型采用對(duì)稱雙分支設(shè)計(jì)，音頻與視頻共享同一文本編碼器，在統(tǒng)一語(yǔ)義空間中完成理解與生成，最終實(shí)現(xiàn)口型、動(dòng)作與聲音的精確對(duì)應(yīng)。同時(shí)，引入額外的文本控制以增強(qiáng)視頻語(yǔ)義穩(wěn)定性，并通過(guò)聯(lián)合訓(xùn)練讓音視頻在生成階段就保持協(xié)同，而不是依賴后期對(duì)齊。

AI 視頻的生產(chǎn)方式，從多模態(tài)拼接走向原生一體生成。

其次，SkyReels V4實(shí)現(xiàn)了生成、編輯與修復(fù)的大一統(tǒng)，使視頻創(chuàng)作具備更細(xì)粒度的調(diào)度能力。

能力上支持首尾幀、多幀、多圖、運(yùn)動(dòng)等參考方式，覆蓋從生成到精細(xì)編輯的全流程需求，包括元素增刪、風(fēng)格遷移與水印處理。同時(shí)能夠基于網(wǎng)格圖直接生成結(jié)構(gòu)完整的敘事片段，從源頭解決角色走形與場(chǎng)景跳躍問(wèn)題。機(jī)制上將生成、編輯與修復(fù)收斂為同一套掩碼補(bǔ)繪框架；同時(shí)引入?yún)⒖紙D像 / 視頻作為上下文，使角色特征與場(chǎng)景風(fēng)格可以被穩(wěn)定鎖定，在跨幀中持續(xù)保持一致。

接下來(lái)，SkyReels V4結(jié)合使用強(qiáng)化學(xué)習(xí)體系與工程優(yōu)化策略來(lái)增質(zhì)提效

為了使視頻內(nèi)容兼具邏輯連貫性、物理合理性與美學(xué)質(zhì)感，引入全模態(tài)語(yǔ)義 Reward 體系，對(duì)生成結(jié)果進(jìn)行實(shí)時(shí)校正，減少邏輯偏差與物理錯(cuò)誤；同時(shí)采用階梯式課程學(xué)習(xí)，從低分辨率、短時(shí)長(zhǎng)任務(wù)過(guò)渡到高復(fù)雜度生成，逐步建立穩(wěn)定的敘事能力與表達(dá)能力。

為了降低計(jì)算開(kāi)銷，采用「低分辨率全序列 + 高分辨率關(guān)鍵幀」的聯(lián)合生成策略，再結(jié)合超分與幀插值來(lái)恢復(fù)畫質(zhì)，保證整體一致性的同時(shí)降低計(jì)算壓力。同時(shí)引入 VSA 稀疏注意力，最終將計(jì)算成本降低約 3 倍，實(shí)現(xiàn) 1080P 分辨率、32FPS 幀率、15 秒時(shí)長(zhǎng)的影院級(jí)內(nèi)容生成

SkyReels V4 的一整套方案，不以成本為代價(jià)換取畫質(zhì)，而是在兩者之間建立平衡，使高質(zhì)量視頻生成具備了規(guī)?；a(chǎn)的可行性。

當(dāng)然，數(shù)據(jù)層面的重構(gòu)也是這套體系高效運(yùn)作的關(guān)鍵。SkyReels-V4 構(gòu)建了一套覆蓋圖像、視頻、音頻的統(tǒng)一數(shù)據(jù)體系，通過(guò)「真實(shí) + 合成」雙管線保證數(shù)據(jù)規(guī)模，配合多維質(zhì)控與結(jié)構(gòu)化 caption，對(duì)齊音畫與語(yǔ)義表達(dá)，為全模態(tài)生成提供穩(wěn)定的數(shù)據(jù)基礎(chǔ)。

我們來(lái)看下實(shí)戰(zhàn)效果，提示詞是這樣的：「電影級(jí)賽博朋克風(fēng)視頻：動(dòng)態(tài)跟拍一艘深色流線型飛船（@ ship-1）在未來(lái)都市中高速飛行。鏡頭始終位于飛船后方，藍(lán)色尾焰明亮，穿梭于高樓峽谷之間。城市充滿紅白藍(lán)霓虹與霧靄背景，冷色調(diào)與高反差光影營(yíng)造氛圍。攝像機(jī)隨飛船滾轉(zhuǎn)傾斜，光粒與光流增強(qiáng)速度感。一鏡到底，沉浸式高速飛行體驗(yàn)?！?/p>

從生成到創(chuàng)作

讓好聽(tīng)變成一種可控能力

自兩年前問(wèn)世以來(lái)，昆侖萬(wàn)維的音樂(lè)大模型一再地帶給我們驚喜。

幾天前，Mureka V8 在 Artificial Analysis 的 vocals（人聲）和 instrumental（樂(lè)器）榜單上雙雙登頂，綜合實(shí)力超越了 Suno V4.5、Udio v1.5 Allegro、Lyria 2 等國(guó)際主流 AI 音樂(lè)模型。

這也讓人更加期待，下一代 Mureka 會(huì)以怎樣的方式改寫音樂(lè)生成的邊界。剛剛亮相的 Mureka V9，果然沒(méi)有讓人失望。

此次，Mureka V9 圍繞音樂(lè)創(chuàng)作過(guò)程中最關(guān)鍵、最影響結(jié)果的幾大環(huán)節(jié)進(jìn)行全方位優(yōu)化：

• 表達(dá)更到位：歌詞、情緒與段落推進(jìn)能夠更精準(zhǔn)地對(duì)齊，想表達(dá)的點(diǎn)基本能落到該落的位置。
• 成品感更強(qiáng)：混音、音色與空間感更統(tǒng)一，整體聽(tīng)感更接近一首完成度較高的作品。
• 人聲更克制：該唱的時(shí)候唱到位，不該出現(xiàn)時(shí)不過(guò)度介入，表達(dá)更干凈。
• 反饋更快：從輸入到出結(jié)果，鏈路更順暢，試錯(cuò)和迭代成本明顯降低。
• 結(jié)果不易撞車：旋律與編排的重復(fù)感下降，同一方向下也能跑出更多變化。

這些能力的提升建立在MusiCoT（Music Chain-of-Thought）技術(shù)底座的持續(xù)優(yōu)化之上：

模型不再停留在根據(jù)提示詞生成聲音，而是以更接近真實(shí)創(chuàng)作流程的方式去組織一段音樂(lè)：理解段落結(jié)構(gòu)、把握表達(dá)重點(diǎn)，并決定每一段該唱什么、怎么唱、如何推進(jìn)。

這樣一來(lái)，生成結(jié)果更少地偏離創(chuàng)作者原本的想法，表達(dá)更貼近預(yù)期，也更穩(wěn)定。基于此，音樂(lè)也不再只是用來(lái)聽(tīng)的內(nèi)容，而開(kāi)始變成一種拿來(lái)表達(dá)自我的語(yǔ)言

我們來(lái)聽(tīng)下面這段旋律，提示詞為「新靈魂 / 私密爵士人聲作品。靈感：日落閣樓工作室，暖光中浮塵輕揚(yáng)。核心：氣聲近距離男聲 + 溫暖 Rhodes 鋼琴。氛圍：安靜、懷舊、時(shí)光靜止 —— 復(fù)古閣樓里，金色陽(yáng)光緩緩?fù)高^(guò)百葉窗褪去。」

在音樂(lè)生成能力繼續(xù)進(jìn)化之外，Mureka V9 進(jìn)一步的目標(biāo)，是想把「好聽(tīng)」從偶發(fā)結(jié)果變成一件可以穩(wěn)定做出來(lái)的事情

實(shí)現(xiàn)方法也很直接，把「好聽(tīng)」拆解開(kāi)，從歌詞落點(diǎn)、情緒是否貼合，到結(jié)構(gòu)與旋律是否順暢，一步步去校準(zhǔn)和優(yōu)化，讓整套創(chuàng)作過(guò)程變得可復(fù)用、可積累，而不是每次都從頭碰運(yùn)氣。從長(zhǎng)期來(lái)看，這一點(diǎn)比單次生成質(zhì)量更加關(guān)鍵。

當(dāng)「好聽(tīng)」可以被拆解和控制之后，創(chuàng)作方式也隨之發(fā)生根本性變化：AI 音樂(lè)不再是一次性生成的結(jié)果，而變成一個(gè)可以反復(fù)嘗試、局部調(diào)整、持續(xù)迭代的過(guò)程。

傳統(tǒng)的創(chuàng)作邏輯是一次生成就直接定稿，Mureka V9 則不然，先生成多個(gè)版本進(jìn)行探索，再?gòu)闹泻Y選，對(duì)局部進(jìn)行調(diào)整，然后二次或多次生成與優(yōu)化。在這個(gè)過(guò)程中，創(chuàng)作者的主要工作也開(kāi)始發(fā)生變化，將更多時(shí)間花在審美與取舍上。

可以說(shuō)，Mureka V9 已經(jīng)不滿足于只做一個(gè)音樂(lè)生成工具，而是在往創(chuàng)作平臺(tái)走。它想做的也不再是一次性的成品，而是一種可以反復(fù)修改、持續(xù)演化的版本化作品。音樂(lè)創(chuàng)作者用它提高效率，優(yōu)化工作流；普通用戶用它表達(dá)自我。

或許，一個(gè)屬于 AI 音樂(lè)時(shí)代的「Spotify」已經(jīng)出現(xiàn)，一邊連接創(chuàng)作與消費(fèi)，一邊承接內(nèi)容與分發(fā)。

「3+1」戰(zhàn)略：AGI 路徑更加清晰

當(dāng)我們將天工 AI 的三大模型放在一起看，就會(huì)發(fā)現(xiàn)，它們不僅分別對(duì)應(yīng)游戲、視頻與音樂(lè)三個(gè)賽道的單點(diǎn)能力升級(jí)，也在共同補(bǔ)齊一套更完整的能力結(jié)構(gòu)：

Matrix-Game 3.0 聚焦「世界如何被建模與交互」、SkyReels V4 解決「內(nèi)容如何被規(guī)模化生成」，Mureka V9 關(guān)注「情感與表達(dá)如何被精準(zhǔn)控制」。

在這一框架下，通往 AGI 終極目標(biāo)所需的能力組合更加清晰。而昆侖萬(wàn)維發(fā)布的 2026 AGI 戰(zhàn)略，則在這些能力之上給出了路徑上的獨(dú)到思考。

我們可以用「3+1」來(lái)描述這一戰(zhàn)略的完整布局，其中3 指的是三大場(chǎng)景大模型，即游戲、視頻與音樂(lè)；1 指的是天工超級(jí)智能體

依托三大場(chǎng)景大模型持續(xù)突破多模態(tài)能力邊界，同時(shí)借助天工超級(jí)智能體（Skywork Super Agents）對(duì)這些 AI 能力進(jìn)行統(tǒng)一調(diào)度。

天工超級(jí)智能體于去年 5 月發(fā)布，核心能力可以歸納為三點(diǎn)：一是跨任務(wù)一體化執(zhí)行，二是以 Deep Research 為核心的信息處理，三是多 Agent 模塊的分工與協(xié)作。隨著今年 OpenClaw 的爆火，Skywork 推出了 SkyClaw，打造云端 AI 原生助理；同時(shí)上線首批 6 大官方 Skills，將能力封裝為可直接調(diào)用的工具。

基于此，天工超級(jí)智能體補(bǔ)上了「能力如何被高效調(diào)用」的關(guān)鍵一環(huán)，通過(guò)將不同能力串聯(lián)成完整的執(zhí)行鏈路，使任務(wù)從理解、生成到交付，一氣呵成。

與此同時(shí)，昆侖萬(wàn)維還在圍繞「平臺(tái) + 超級(jí)智能體 + 開(kāi)發(fā)者 + 創(chuàng)作者」，搭建一套更加開(kāi)放的生態(tài)協(xié)同體系。

一方面，將多模態(tài)能力以統(tǒng)一入口對(duì)外開(kāi)放，降低門檻，使開(kāi)發(fā)者與創(chuàng)作者能夠更直接地調(diào)用這些能力進(jìn)行開(kāi)發(fā)與創(chuàng)作；另一方面，通過(guò)與產(chǎn)業(yè)伙伴的合作，將 AI 能力落地到游戲、視頻與音樂(lè)等具體場(chǎng)景中，逐步完成從技術(shù)到應(yīng)用的轉(zhuǎn)化。

當(dāng)能力、調(diào)度與場(chǎng)景形成閉環(huán)，AGI 的未來(lái)才更加可期。

文中視頻、音頻鏈接：https://mp.weixin.qq.com/s/g5-Y-7H1hfovmyBcB6WSqQ