48小时“三国杀”：世界模型迎来ChatGPT时刻
|
2026年4月16日至17日，短短48小时内，中国AI产业上演了一场罕见的“三国杀”——阿里发布世界模型、腾讯宣布开源、群核科技登陆港交所。三个事件接连发生，看似各自为战，实则指向同一个信号：世界模型赛道正从技术探索迈入商业化临界点。有人将其比作“世界模型的ChatGPT时刻”，这个比喻是否恰当，值得细究。
一、48小时三大事件：从技术发布到资本验证阿里：用“世界模拟器”定义新赛道 4月16日，阿里云ATH创新事业部正式发布世界模型HappyOyster（快乐生蚝）。这款产品被定位为“世界模拟器”，而非单纯的视频生成工具。其核心功能包括漫游模式（支持1分钟连续实时位移）和导演模式（支持3分钟以上480p/720p画面）。 HappyOyster采用原生多模态+长时序建模技术路线，与谷歌Genie 3同属“生成式视频派”，但在交互时长上实现了突破。值得注意的是，此时距离阿里云宣布“五年内云+AI收入超1000亿美元”目标仅过去不到一个月——阿里云AI相关产品收入已连续10个季度保持三位数增长。HappyOyster的发布，不仅是技术实力的展示，更是阿里AI战略从“大模型军备赛”转向“世界模型基础设施”的关键落子。 腾讯：用开源策略抢占B端生态 几乎同一时间，腾讯混元团队宣布开源Hunyuan3D 2.0（HY-World 2.0）。与阿里的闭源策略不同，腾讯选择将这款3D世界模型完全开源，并支持与Unity、UE等游戏引擎无缝对接。 腾讯的核心差异化在于“可导出性”——模型生成的是可二次编辑的3D资产文件，而非仅能观看的视频。这意味着它可以直接用于游戏开发、影视预演等B端场景的工程化需求。输入“生成一个日式RPG风格的中世纪地牢”，模型就能生成一个完整的3D空间资产，用户可以操作角色在其中自由探索，具有物理碰撞。
中金公司指出，腾讯凭借微信生态与高毛利游戏业务构筑的现金流护城河，使其在千亿级AI投入周期中具备“不败而后胜”的独特优势。通过开源抢占开发者生态，腾讯正在为“AI造世界”的工程化落地铺路。 群核科技：资本市场的“空间智能第一股” 4月17日，群核科技在港交所挂牌上市，成为“全球空间智能第一股”，也是“杭州六小龙”中首家登陆资本市场的科技企业。招股书显示，公司2025年实现营收8.2亿元，毛利率高达82.2%，经调整净利润5710万元，成功实现从亏损到盈利的跨越。 IPO阶段，群核科技在香港公开发售获1591倍认购，上市首日收盘涨144%，两日累计涨幅达391.34%。资本市场用真金白银表达了对“空间智能”这一赛道的认可。公司围绕“空间编辑工具-空间数据-空间大模型”构建业务飞轮，用15年时间积累了全球最大的物理正确空间数据集。目前，群核科技已与智元机器人、银河通用、禾赛科技等企业建立战略合作，将空间智能能力向具身智能、XR等领域输出。
二、为什么是现在？——世界模型的“破壁时刻”这三起事件密集发生并非巧合，而是行业发展到一定阶段的必然结果。 视频模型为世界模型铺好了路 清华大学人工智能研究院副院长朱军指出，从技术演进路径看，存在一个清晰的顺序：最早是语言模型，随后是视频模型的突破。视频模型取得进展之后，一个非常自然且关键的过渡就出现了——视频原生模型可以顺势延伸到对物理世界的理解，一旦引入动作能力，就逐步形成了世界模型的统一架构。 换句话说，世界模型不是凭空出现的，而是视频生成模型的“自然进化”。当模型学会“看”视频之后，下一步自然是学会“理解”视频背后的物理规律，并据此“行动”。 三条技术路线并行，商业化路径逐步清晰 从当前的技术范式来看，世界模型大致形成了三类主流路线： 第一类是“生成式视频派”，以谷歌Genie 3、阿里HappyOyster为代表。核心理念是通过视频生成技术模拟世界演化，优势在于直观、易理解，商业化路径清晰——影视创作、游戏开发、虚拟体验都是直接的应用场景。
第二类是“空间智能派”，以斯坦福World Labs、腾讯HY-World 2.0、群核科技为代表。核心理念是生成可编辑、可导出的3D资产，工程化落地最快。游戏开发者可以直接将生成的3D资产导入引擎，无需从零建模。
第三类是“抽象预测派”，以Meta V-JEPA 2为代表。核心理念是学习世界的抽象表征和因果逻辑，运行效率高，但商业化场景相对有限。
朱军判断2026年将迎快速突破 朱军在2026年3月的中关村论坛上判断，“世界模型将成为未来各类智能体的核心‘智能中枢’，并将在2026年迎来快速突破”。他的判断基于一个核心逻辑：世界模型本质上依赖两个要素——足够规模的数据，以及可扩展的模型架构。视频作为记录真实世界最天然的数据形式，具备持续扩展的能力；而DiT（Diffusion Transformer）架构已被验证可通过增加参数规模持续提升性能。
三、资本正在押注什么？48小时三大事件的背后，是资本对世界模型赛道的密集押注。 极佳视界：一个月融资25亿，估值破百亿 几乎在同一时期，世界模型公司极佳视界宣布完成15亿元B1轮融资，加上此前3月完成的近10亿元Pre-B轮融资，一个月内融资25亿元，估值从50亿跃升至超100亿，成为国内首个世界模型领域的百亿独角兽。 极佳视界获得众多顶级国资、产业资本超额加注，其核心逻辑在于：极佳视界不仅是国内最早布局世界模型的企业，也是在全球范围内率先将世界模型从实验室推向真实机器人量产和自动驾驶量产的玩家。公司创始人黄冠提出的“智能飞轮”战略——以世界模型为核心，融合VLA与强化学习，构建数据-模型-硬件-场景的闭环——正在吸引资本持续加注。 资本市场为何如此兴奋？ 群核科技IPO获1591倍认购，极佳视界一个月估值翻倍——这些数字背后，是资本市场对世界模型商业前景的强烈预期。 世界模型的想象空间远不止于技术本身。它正在成为多个万亿级产业的“操作系统”： 在具身智能领域，世界模型是机器人理解物理世界、预测未来状态、生成动作的核心能力层。极佳视界已与一汽模具、阿里云合作，在真实汽车工业制造场景落地全流程解决方案。
在自动驾驶领域，世界模型赋予AI对物理规律（如重力、碰撞、因果关系）的预测能力，让AI可以像人类一样预测外部世界。极佳视界与理想、小鹏、广汽等主机厂已达成量产合作。 在内容生成领域，世界模型正在改变影视、游戏、文旅等行业的创作逻辑。HappyOyster的导演模式让导演可以用自然语言实时生成分镜画面，无需等待漫长的渲染周期。
四、世界模型的三层价值综合来看，世界模型的价值可以归纳为三个层次： 第一层：降本增效——“AI造世界”替代“人建世界” 传统的3D内容创作需要专业设计师数周甚至数月的工作，而世界模型可以在几分钟内生成可用的3D资产。腾讯HY-World 2.0可以直接导出到Unity/UE引擎，大幅降低游戏地图的创作门槛。这是最直接、最易量化的价值。 第二层：能力拓展——“AI理解世界”赋能“机器行动” 世界模型的核心价值不在于“生成好看的内容”，而在于“理解物理规律”。当机器人能够预测“杯子掉下来会碎”“球滚下斜坡会加速”，它才能真正自主行动。这正是极佳视界“GigaWorld+GigaBrain”双轮驱动的逻辑——世界模型负责理解物理规律，VLA负责执行动作，二者协同让机器人从“被动执行”走向“主动适应”。 第三层：范式革新——“智能飞轮”替代“数据飞轮” 在AI 1.0时代，企业依靠“数据飞轮”——场景驱动的数据闭环，数据量决定模型表现。但这种模式泛化能力不足，一旦场景变化便显得吃力。世界模型带来的“智能飞轮”，核心在于基础模型具备通用的物理常识和理解能力，不再依赖场景数据的喂养，而是通过模型自带的智能去理解新任务。这是从“专用智能”到“通用智能”的范式跃迁。
五、是“ChatGPT时刻”吗？回到开篇的问题：这场48小时的“三国杀”，真的意味着世界模型迎来了“ChatGPT时刻”吗？ 这个比喻有合理之处，也有夸大之嫌。 合理的部分在于：和ChatGPT一样，世界模型正处于从“技术探索”到“商业爆发”的转折点。阿里、腾讯、群核科技三大玩家的密集动作，以及资本市场的热烈反应，都在印证这一点。朱军也明确判断“2026年将迎快速突破”。 需要审慎的部分在于：世界模型的技术成熟度、商业模式清晰度、应用场景广度，目前还远不及ChatGPT。视频生成模型仍存在计算成本高、数据治理难、因果理解弱等瓶颈。正如朱军所言，“这并不是一个简单的问题，它需要团队在长期实践中不断打磨，也对大模型团队的系统能力与工程积累提出了更高要求”。 或许更准确的表述是：世界模型正在经历自己的“GPT-2时刻”——技术突破已经发生，商业潜力已经显现，但距离真正的“杀手级应用”和大规模普及，还有一段路要走。 而2026年4月的这48小时，正是这条路上一个值得标记的路标。
六、展望：谁将定义世界模型的未来？随着阿里、腾讯、群核科技、极佳视界等玩家的密集入局，世界模型赛道的竞争格局正在形成。各家的战略路径差异明显：
在这场竞赛中，最终胜出的关键可能不是单一技术的领先，而是能否构建起“数据-模型-场景”的良性循环。正如黄冠所言：“基础模型和商业应用两条腿走路，打造智能闭环，形成‘智能飞轮’”。 对于关注科技趋势的读者而言，世界模型的意义或许不仅在于它本身，更在于它指向的未来——AI正从“生成内容”走向“理解世界”，从“对话”走向“行动”，从“数字空间”走向“物理现实”。而这，才是这场48小时“三国杀”背后真正的故事。 (GCCC 版权所有) |
