00后浙大博士把4D世界模型首次塞进手机

这个假期，华为在国庆节当天发布Mate 90系列，全系搭载新一代麒麟芯片与鸿蒙7。发布会上，一款名为「摸小宠」的鸿蒙独占应用亮相。

用户上传几张猫的照片，几秒后手机里就会生成一只具有空间结构、会动、可从任意角度观看的4D数字猫。这是4D世界模型首次真正跑进手机应用，背后技术来自魔芯科技的MoWorld，该公司也成为全球率先将4D世界模型推进到产业应用落地的公司。

过去AI生成图片或视频，视角固定，无法“走进去”。MoWorld则把照片变成可进入的4D空间：它理解画面背后的空间结构，将平面图像扩展为三维空间，用户可前进、后退、转弯，看到原照片未展示的角度。用于“摸小宠”时，模型先理解猫的三维形体，再理解其动作，切换视角时尾巴摇晃仍连续符合空间逻辑。这就是“4D”——三维空间加时间与变化维度。其代表性效果是“子弹时间”，无需几十台摄像机，几张手机照片即可生成连续稳定的环绕视图。

MoWorld已在多条产业线推进。影视游戏方面，可快速生成场景资产，支持自由运镜、天气切换、物体编辑，降低分镜预演成本；游戏产业中，500FPS以上资产渲染和移动终端高帧率运行，有望降低对高端显卡依赖。具身智能训练方面，数字仿真训练场可让机器人完成动作演练，支持高频复盘。自动驾驶方面，可生成雨雪、坑洼、突发事件等长尾场景，提高训练数据效率。工业数字孪生方面，工厂、矿山可快速转化为空间资产，用于布局调整、方案预演和培训。城乡规划与文旅方面，虚拟游览、沉浸式内容生产、空间重建可用算法加速。其价值在于低成本生成高质量、可复用的3D/4D空间资产，让资产流入产业系统反复使用。

这些应用的前提是MoWorld跑得动、跑得起。摸小宠采用端云协同：照片上传云端，昇腾NPU上的扩散模型生成高质量3D高斯模型；魔芯科技将MoWorld-2.0-Flash约6亿参数经量化裁剪和算子适配，直接跑在Mate 90麒麟芯片上，最终渲染在手机端完成。整条链路跑在国产硬件上，推理成本仅为同等进口GPU方案的30%，降本70%。

MoWorld还在拉高技术上限。今年7月MoWorld 1.0主打快，全国产NPU，最高约50 FPS实时交互。到9月底，物理属性被显式融入模型，重力、弹力、刚性、外力进入生成空间；3D/4D高斯资产渲染突破500 FPS，手机端侧可跑100 FPS；输出标准化3D/4D高斯资产，可导入游戏引擎、影视系统、数字孪生平台、机器人训练环境；场景可增删物体、调整位置、切换天气。

放到全球竞争格局看，2026年9月李飞飞创立的World Labs发布Atlas，可用少量照片生成可交互3D世界。两者都能以少量照片输入、输出三维场景、支持自由浏览和新视角合成。差异在于：Atlas主要聚焦静态3D空间，MoWorld已做到动态4D，理解时间；MoWorld引入重力、弹力、刚性等物理属性，物体可对用户动作做出物理响应；MoWorld基于国产昇腾NPU，推理成本仅为进口GPU方案的30%，并已探索手机端侧运行。如果Atlas代表空间理解深度的国际标杆，MoWorld不仅在模型能力上不遑多让，更在应用落地上全面领先——从4D动态理解到物理交互，从云端到端侧，从实验室到真实产业。