国产实时世界模型Scenes AI获英伟达大奖

10月15日，2026 NVIDIA创业企业展示半程展示在苏州金鸡湖举行，来自重庆的达瓦科技凭借实时世界模型产品Scenes AI获得“半程展示卓越企业奖”。本届赛事在全国举办11场分站活动，580多家科创企业报名，最终30家NVIDIA初创加速计划会员进入半程展示。

与多数视频模型比拼“下一帧像不像”不同，Scenes AI不预测下一帧画面，而是维护一个持续运行的世界状态——场景、人物、相机、灯光、物体和物理各自是可单独读写的变量。模型只更新发生变化的部分状态并写回世界，让下一刻在此基础上继续演化。其输入不是游戏引擎或代理画面，而是一台普通摄像头拍到的真实空间。达瓦将其概括为：“视频是一个结果，世界是一个过程。”

最新Demo中，摄像头拍到真实房间，模型输出将房间变为手绘风格夏日草原，人物变为动画少女，动作同步，但椅子、玩偶、柜子的位置和透视均保持不变，仅“画风”变量被改写。另一测试中，小朋友在墙上写下“DW未来”后离开，场景相继长出树、燃起篝火、飘雪下雨，墙上字迹始终保留。这验证了世界状态能被正确写回并持续保持。整套生成跑在本地一张RTX显卡上，画面右上角实时显示帧率。

达瓦对世界模型的定义是：改变一个状态变量后，世界为何变化、又将如何演化。传统视频模型会重新生成整段视频，场景、人物、相机和物体可能漂移；Scenes AI则冻结其他条件，只改变目标变量。其公式为：Persistent World = World Memory + Neural Physics + Sparse Diffusion + Neural Rendering + AI Lighting。达瓦认为，从生成视频到运行可交互世界需同时通过五道关：跨帧记忆、局部可控、物理与因果、实时计算效率，以及能解释“世界为何这样变化”的数据。

工程实现上，达瓦采取“控制层做重，生成层做轻”的路线。控制层将连续视频拆解为可查询、可更新、可约束的状态因子，负责规划行动、维护状态、推演结果；渲染层只生成需要变化的部分并合成回画面。运行链路为：世界状态→行动或接触事件→状态更新→局部生成与合成→结果写回。其中关键区分“瞬态”与“持久”变化，前者交渲染层处理，后者必须进入世界状态。

精准控制核心模块为Latent Stage，实现变量解耦，每次编辑有明确“改动集”和“保持集”；达瓦提出的非线性视角矩阵融合方法相关论文已被ACM UbiComp/ISWC 2026接收。World Memory持久化缓存历史状态片段，达瓦将长时序记忆视为当前最关键挑战。Neural Physics覆盖刚体、布料、流体和粒子。连续编辑测试中，Scenes AI目标编辑成功率为98.2%，人物身份保持率为93.3%。

渲染层由LiveStage承担，采用稀疏扩散自回归，基于300多个真实商业拍摄项目数据分析，典型场景每帧真正变化区域仅占画面10%—20%，稳定区域通过潜空间缓存复用，算力集中于人物、面部、手部、布料、烟雾、光影和交互区域。