國產玩家亮劍世界模型！把全模態卷到頂后，天工AI不藏了

人人都在卷多模態，可多模態之后呢？

直到今天，終于有人給出了清晰答案——而且是剛剛把多模態卷到全球第一梯隊的國產玩家。

不是更強的模型，而是平臺。

更關鍵的是，這個判斷并非來自一次普通發布，而是出現在中關村論壇這一國家級科技創新平臺之上。

天工AI董事長兼CEO周亞輝在《世界模型前沿技術與天工AIGC全家桶大模型生態》發布會上分享：

• 過去三年，第一次躍遷已經完成。從移動互聯網的流量經濟，進入了大模型工具時代。
• 而現在，第二次躍遷正在發生。從大模型工具時代，邁向AI平臺經濟，也就是AI原生的平臺經濟時代。
• 在這個新時代里，模型是引擎，平臺是工廠，創意創作者是老板，三者合為一體，讓每個人都能充分釋放創造力。

當“平臺”二字一出，臺下的我們此刻終于明白天工AI之前那些看似費解的動作：

為什么死磕原生多模態？為什么在視頻、音樂、游戲等領域四面出擊？為什么模型更新節奏飛起？

答案其實很簡單。

因為自打選擇All in AGI和AIGC開始，這條路將會經歷什么、以及終點何在就已經寫好了——

不是單純做一個更強的模型，而是搭一套完整的AI平臺。

從天工AI以往的實踐來看，這個平臺包含內外兩層。內層是從技術→模型→應用的完整閉環；外層則是這個閉環吸引開發者、創作者和合作伙伴不斷加入后，由平臺演化而成的生態。

所以，當天工AI如今又擺出2026 AGI戰略和三大模型“全家桶”時，一切就都說得通了。

天工AIGC“全家桶”來了

說回此次發布會。

這一次，天工AI直接一口氣發布了三款模型——不僅量大管飽，而且每一個都位居各自賽道的全球第一梯隊。

• AI游戲世界模型Matrix-Game 3.0
• AI視頻大模型SkyReels V4
• AI音樂大模型Mureka V9

當這幾個模型同臺亮相時，我們這才意識到：

原來它們此前并非孤立推進，而是在逐步拼出一個“可理解、可生成、可交互”的世界模型雛形。

游戲世界模型率先把能力放進可交互場景中跑起來，視頻與音樂則在此基礎上不斷補齊世界的理解與表達維度，三個模型互相配合、彼此反哺，在應用中不斷迭代完善。

然后只要等到每個模型足夠強大、這套閉環真正跑通時，天工AI的世界模型，也就不再遙遠了。

至于當下天工AI離世界模型還有多遠，不妨一起看看這次發布的三款模型。

游戲模型Matrix-Game 3.0

對于游戲世界模型，天工AI的思路很好懂——

既然世界模型主打“可交互”，那不如早早把模型丟進游戲這種實時交互環境里，讓它一邊生成一邊學習。

而這，就是Matrix-Game系列模型正在做的。

到Matrix-Game 2.0，天工AI已經讓實時交互這件事變成了現實，3.0則主要解決兩個業界“老大難”：

• 長時序一致性（Memory）
• 高分辨率實時生成（Resolution + Real-Time）

過去很多世界模型，本質上仍未脫離“視頻生成模型”的范疇——幾秒十幾秒OK，一旦拉長就開始“失憶”，出現場景變形、物體突然消失等“鬼畜”現象。

所以Matrix-Game 3.0決定給模型補上“記憶”。

生成當前幀時，它不光看最近幾秒的畫面，還會根據當前視角，從之前的長視頻里找出相關的關鍵幀一起參考。

而且還會進一步通過幾何信息看懂“同一個場景不同角度該咋對應”。

這樣一來，哪怕過了一分鐘，再回到同一個位置，生成出來的內容依然一致。

換言之，模型對世界的長期記憶能力，現在已經來到了分鐘級。

視頻地址：https://mp.weixin.qq.com/s/lNdMYYhM3bYHPvLD7Bkr1A

另外，世界模型由于主打“邊交互邊生成”，所以對實時性要求極高。

Matrix-Game 3.0目前交出的答卷是——在720P分辨率下，5B模型實現最高40FPS的實時生成。

這意味著模型不再只是一個離線生成工具，而是可以像游戲引擎一樣運行起來：

用戶按下鍵盤、移動視角，模型立刻給出反饋，整個世界隨之變化。

而為了突破實時性瓶頸，天工AI用三招將原本“慢而復雜”的生成流程，壓縮成一套可以實時運行的系統。

• 減少步數：大幅壓縮推理步數，把生成速度拉上來；
• 提前適應：訓練階段就讓模型模擬真實運行，一次生成多段內容，提前適應長時間運行時的誤差累積；
• 邊生成邊糾偏：讓模型在高速生成的同時，不斷自我校正。

到這里，當模型同時解決了實時性與長時序問題后，世界模型才真正從“視頻生成器”，變成了一個“可交互系統”。

當然，要做到這一步，靠的可不只是模型本身——背后是數據引擎、模型架構、推理部署三個層面的系統性升級。

昆侖萬維首席科學家、香港中文大學教授成宇表示：

• 從技術趨勢來看，世界模型的發展經歷了幾個關鍵躍遷：從video到world，從生成視頻到生成可交互的環境；從offline到real time，從離線生成到實時交互；從短時記憶到分鐘級長序列一致性；從學界可研究的模型到產品商業化。
• 而在Matrix-Game 3.0上，我們從數據、模型、推理三個層面，完成了關鍵躍遷——從可運動的交互demo，走向具備穩定性和工業級生成能力的世界模型系統。

視頻模型SkyReels V4

再看視頻模型SkyReels V4。

它的出現恰好回答了一個問題：為什么做世界模型，大多從視頻模型開始？

背后的邏輯其實很直接——視頻是世界模型最好的“訓練場”。

相比靜態圖片，兼具時空維度的視頻包含了物體運動、光影變化、因果關系等物理規律，這些正是世界模型需要理解的核心能力。

輸出方面，視頻模型練的是“預測下一幀”，世界模型則是“預測下一秒”，后者需要前者提供堅實支撐。因為只有先看懂世界如何運轉，才能與之交互。按成宇的話來說就是：

• 世界模型的核心在于學習一個狀態轉移參數，給定當前狀態和動作，預測下一個時刻的狀態。與傳統的生成模型不同，世界模型不光關注當前的生成結果，更關注動作建模與環境交互之間的因果關系。因此，它具備三個特征——動態性、可交互性和物理一致性。

那么，接下來的問題就只剩下：SkyReels V4已經走到哪里了？

答案上周已經揭曉——最最最前排。

在Artificial Analysis文轉視頻（含音頻）全球榜，SkyReels V4超越Veo 3.1、Sora 2等國際主流模型，直接登頂。

而它能脫穎而出，關鍵就在于解決了AI視頻生成的四大頑疾：音畫不同步、可控性差、缺敘事邏輯、商用落地難。

音畫不同步，那就甩出自研對稱雙流MMDiT架構，從底層就把音、視頻焊在一起。

視頻生成可控性差全靠“抽卡”，那就把全模態參考和各種增刪改功能安排上。

把文本、圖片、音視頻統一到一個框架里之后，首尾幀、運動軌跡、多圖參考便都能用上——給的信息越具體，結果就越可控。

如果還不滿意，也不用重來，直接增刪改繼續調，最后拿到的就是一段可以直接用的視頻。

當然，上面這些還只是基礎。

真要落地短劇、影視、廣告等場景，光“能生成”肯定不夠——還得會“講故事”。

為了提高視頻模型的敘事能力，SkyReels V4引進了強化學習。

一邊用全模態語義Reward模型去盯過程，告訴模型不要只看單幀好不好，還要看整段視頻是否合理。

另一邊用“階梯式課程學習”的方式，讓模型從分辨率與時長、任務復雜度、數據難度三個維度，由簡入繁掌握復雜能力。比如先學拍5秒的靜物，再學拍10秒的走路，最后才學拍15秒的復雜劇情。

結果就是，生成的視頻不再是畫面的簡單拼接，而是有因果、有節奏、有表達的內容。

比如僅提供一段提示詞+幾張關鍵幀，SkyReels V4就能創作時下爆火的AI漫劇：

視頻地址：https://mp.weixin.qq.com/s/lNdMYYhM3bYHPvLD7Bkr1A

最后則是一個很關鍵也很難的一點——商業化。

前面的能力再強，如果成本下不來、流程跑不通，落地依舊很難。

SkyReels V4的做法，是把復雜問題“收斂”到一個統一框架里：生成、編輯等任務不再分散，一套系統就能跑通全流程。

同時在效率上做針對性優化——低分辨率跑全局，高分辨率補關鍵，疊加稀疏注意力，計算成本壓到原來的三分之一。

最終，SkyReels V4在保證1080P、32FPS、15秒成片質量的同時，也具備了規模化生產視頻的可能。

目前，SkyReels V4已經在天工AI海外短劇平臺DramaWave中落地驗證，同時也通過API對外開放。

從“可生成”到“可生產”，SkyReels V4已經邁出關鍵一步。

音樂模型Mureka V9

最后是音樂模型Mureka V9。

一個完整的世界顯然不止有畫面，還得有聲音、有旋律、有情緒——而這，正是天工AI打造音樂模型的原因。

回看天工AI音樂模型的迭代過程，不難發現Mureka V9已經達到了一個新的里程碑：

從“能寫出來”升級為“能按你想的方式寫出來”。

玩過AI音樂的人都知道，現在的難點不是“AI能不能寫”，而是寫完能否讓人眼前一亮，能不能寫到人心坎里去。

很多時候，AI寫的歌就是差那么點意思——歌詞放不對地方，情緒推不上去，該唱重的地方唱輕了。

針對這種“表達偏差”，Mureka V9依托進一步優化的自研MusiCoT技術，在段落內文本控制、生成效率、混音質量與整體聽感上進行了全方位打磨。

所以現在，模型不再只是按照提示詞“生成一段音樂”，而是以更接近真實創作邏輯的方式，理解“這一段該唱什么、怎么唱、為什么要這樣推進”。

這里也淺淺放一個demo，讓大家感受下Mureka V9的實力——來一首含中英法西四種語言的夏日慵懶曲。

音頻地址：https://mp.weixin.qq.com/s/lNdMYYhM3bYHPvLD7Bkr1A

各位聽完感受如何？

雖然目前Mureka V9的第三方跑分還沒出來，但就在這兩天，Mureka V8已經登頂Artificial Analysis音樂模型榜了。

只能說，如果V8就已經打敗了Suno V4.5、Udio v1.5 Allegro等國際主流模型，那V9就更不用多說了。

當然，Mureka V9的價值遠不止“寫歌”。

更重要的是，它讓“好的AI音樂是一種音樂新品類”這件事，更加站得住了。

自Mureka V8起，天工AI就把“好的AI音樂”視為一種比肩爵士、鄉村、說唱的音樂新品類。

這背后，不光有Mureka V8帶來的那個“啊哈”時刻，更關鍵的是，供給側和需求側都在變。

一邊是被徹底改寫的供給側。音樂創作不再是低頻、高成本的少數人游戲，而是模型驅動下高頻、可迭代、可版本化的日常生產。

另一邊是被日漸激活的需求側。當人們發現用AI能隨時隨地表達情緒、記錄生活，那么音樂就從一種被動消費內容，變成了一種新的用來表達自我的語言。

于是天工AI相信，在供給與需求同時發生結構性變化的情況下，行業必然會出現新的平臺形態，用以承載這種AI原生的內容形態、創作方式與用戶行為。

• 正如Spotify在流行音樂時代所扮演的角色一樣，AI音樂這一新音樂品類，也需要一個中心平臺，來連接創作者、用戶與分發生態。Mureka正是在這一判斷下誕生的產品。

而從Mureka V8到V9，正值AI音樂從“模型效果探索期”進入“系統能力與工程化競爭期”的關鍵節點，天工AI用穩居全球第一梯隊的實力把這個判斷一步步做實了。

現在，當我們把三大模型的能力拼在一起時，天工AI關于世界模型的圖景便逐漸清晰了：

Matrix-Game系列先把視覺與交互能力組織成一個可以實時運行的世界框架，SkyReels系列進一步承擔對世界的理解與預測，Mureka系列則補齊表達與情緒維度。

在這個框架之上，聲音、音樂等多模態能力還可以不斷接入，最終走向一個更完整的可交互世界。

至此，一個可運行的世界模型雛形，已然出現。

原來天工AI下的是這樣一盤棋

但問題是：這和我們開頭講的“平臺”有啥關系？

很多人一看到三大模型齊發布，就會下意識以為，這不過是一次“模型的集中上新”。

但如果告訴你，這里的每一個模型都已躋身全球第一梯隊，你是否會覺得事情開始變得不一樣了。

沒錯，這正是天工AI在將多模態卷到頂之后的想法——讓模型不再只是能力本身，而是變成可被組織、調度的平臺資源。

至于怎么搭這個平臺，天工AI董事長兼CEO周亞輝在發布會上將其總結為“3+1戰略”，即三大場景大模型+天工超級智能體（Skywork Super Agents）。

• 我們正式發布昆侖萬維2026年的AGI戰略升級，即“3+1”生態架構。相比三年前，最大的變化在于收斂。
• 底層是四大SOTA大模型——視頻、音樂、游戲世界模型，再加上面向Agent的Skywork 6.0，這是我們整個體系的引擎。
• 上層是三大AI原生平臺經濟體，通過SOTA模型驅動內容生產，再結合平臺分發，形成端到端的閉環。
• 最后那個“1”，就是Skywork Super Agents。它是背后的通用操作系統，是面向未來5億內容創作者的“一人公司操作系統”。

拆開來看，這套戰略并不只是模型層面的能力組合，而是已經延伸到了具體的產品與平臺形態：

• 游戲世界模型→新一代AI開放世界模擬游戲平臺“貓森學園”；
• 視頻模型→海外付費短劇平臺DramaWave（“AI版Netflix”）；
• 音樂模型→AI音樂創作與分發平臺Mureka（“AI版Spotify”）。

顯然，天工AI是想搭建這樣一套體系——

底層是多模態模型能力，中間是統一調度的智能體，上層則是面向開發者與行業的應用與生態。

也就是說，到了現在這個階段，天工AI已經在思考模型之后的下一步了，即如何將其組合成一個真正可用的系統。

那么問題來了，對天工AI來說，為什么是現在呢？

模型實力肯定是一部分原因。

無論從行業出發，還是天工AI自己取得的成就，都在說明模型能力已經到了臨界點。

換言之，多模態協同已經具備了基礎。

但更深的變化，其實還是來自產業側——過去AI更多是工具，但現在開始進入生產流程本身。

要理解這一點，在以《全模態內容革命：AI游戲、AI視頻、AI音樂的創新、落地與生態共建》為主題的圓桌環節，幾位嘉賓的切實分享便是最直接的印證。

QQ炫舞創始人姚勇（下圖左三）觀察到，AI正在逐個擊破游戲開發的“新鮮、好看、好玩”三座大山，將過去“費錢費時間”的環節大幅壓縮。

電子音樂人、多領域創作者朱婧汐（右二）則將AI視為“同時打開很多扇窗”的助手，能幫她從幾十種可能性中快速選擇創作方向。

• 以前需要和制作人在錄音棚里一個一個試風格，耗時費力，而現在AI可以瞬間生成幾十種可能性，甚至是“非常抽象、夸張、不可思議”的嘗試。

導演周楠（右一）則指出，對普通人而言AI降低了創作門檻，對專業創作者而言，真正的挑戰在于如何讓AI理解電影的專業語言（比如鏡頭、剪輯、敘事）——而這正是他們正在攻克的“臨門一腳”。

只能說，在最先接觸到AI的這批玩家里，AI已經成了他們工作流中不可或缺的角色，只不過鑒于AI能力還有增長空間，所以一時還各有難題需要解決。

Anyway，這些產業一線人員的經歷表明：

當AI從“輔助”走向“參與”，甚至開始“主導”部分生產環節時，單點能力已經不夠用了。

于是提前洞察這一趨勢的天工AI，早早就給出了全模態的解法。

為什么要做全模態？昆侖萬維董事長兼CEO方漢舉了一個非常生動形象的例子：

• 全模態之所以存在就是為了降低表達門檻，比如為什么要做視頻，這是因為世上還有很多人不識字，如果只有文字那么這部分人就無法表達自我、“被看見”。所以，全模態就是我們為了讓所有人表達自己，而必須要走的一條路。

而在天工AI實現全模態后，接下來真正決定上限的，是能否把這些能力組織起來，承載真實的生產與交互。

而這，正是天工AI選擇在這個時間點提出“3+1戰略”的深層原因。

從這個角度講，這次發布的意義不只是模型更強了，而是天工AI已經開始著手搭建一個AI平臺——

一個將單模態能力組織起來，形成可持續、可規模化內容生產的系統。

從多模態來，到平臺生態去。

全球第一梯隊，迎來“全能”國產玩家！

而在發布會之外，天工AI轉向“平臺”背后還釋放了更直接的信號：

全球第一梯隊，迎來了一位全能國產玩家。

怎么說呢？這就像給整個行業投入了一尾鯰魚，讓競爭焦點從單點能力轉向體系化能力。

過去一段時間，AI行業的競爭大致分成兩條路徑：

一類玩家主要在單一模態上卷極致，比如大家熟悉的Midjourney、還未“消亡”前的Sora等，一聽名字你就知道它們是干啥的。

另一類則開始嘗試把單一模態的能力拼起來，朝著一個統一的系統或平臺發力。由于要做的事情更多更復雜，所以業界普遍認為后者更難。

現實中，后者不僅考驗模型能力本身，還要求在架構設計、工程能力、產品形態乃至生態構建上形成協同——

任一環節掉鏈子，整套體系都很難成立。

也正因如此，真正走到這一步的玩家，始終寥寥。

而天工AI作為后者之一，它走到“平臺”這一步，并不是偶然。

自母公司昆侖萬維2022年確立“All in AGI與AIGC”戰略以來，天工AI已經構建起“模型+產品”的完整矩陣。

一張圖總結如下：

如果說這張圖展示的是能力布局，那么實際表現同樣給出了驗證——目前昆侖萬維的海外服務覆蓋全球100多個國家和地區，全球平均月活躍用戶近4億，海外收入占比達92%。

所以回過頭看，天工AI其實早就在為“平臺”鋪路：

從原生多模態的持續投入，到視頻、音樂、游戲等多個方向的同步推進，再到這次以“3+1戰略”為核心的整體亮相，這條路徑始終在向同一個目標收斂。

而且雖然前面一直在說多模態，但天工AI實際上已經做到了“全模態”。

有一說一，互聯網發展至今，幾乎所有公司都曾試圖“做平臺”，畢竟“一流公司做平臺”的口號已經深入人心。

但最終能夠真正跑出來的，始終只有少數幾家。

絕大多數失敗者，往往敗于“先搭臺、后唱戲”——平臺是建起來了，卻沒有足夠稀缺的能力來支撐。

而天工AI的路徑恰恰相反，先拿下“全模態”這張硬牌，再向平臺延伸。

因此，雖然天工AI能否成為幸運兒尚未可知，但至少，這第一步算是已經搶先邁出去了。

而且別的不說，能在中關村論壇開AI專場（拿下國家級平臺背書與政府認可），本身便是實力的證明。

Matrix-Game 3.0開源地址：
主頁：https://matrix-game-v3.github.io/
代碼：https://github.com/SkyworkAI/Matrix-Game/tree/main/Matrix-Game-3
模型：https://huggingface.co/Skywork/Matrix-Game-3.0