7月19日，正值2026世界人工智能大会（WAIC），昆仑万维“世界模型与多模态范式跃迁”专场论坛在上海西岸国际会展中心隆重举行。作为深耕AI科技领域的领军企业，昆仑万维在这场论坛上宣布核心模型重磅升级——Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型，全面覆盖世界模型、AIGC创作等前沿赛道。昆仑万维董事长兼CEO方汉在论坛上宣布：2026年为“世界模型元年”，标志着AI从内容生成走向对物理世界的理解与交互的关键转折点。
方汉：2026年是“世界模型元年”，三大产业预判锚定未来方向
在论坛主旨演讲环节，昆仑万维董事长兼CEO方汉正式宣布2026年为“世界模型元年”。他指出，过去两年AI行业的核心命题是“生成”——生成文字、图像、视频、音乐。而从2026年开始，AI的核心命题将转向“理解”与“交互”——让AI真正理解物理世界的运行规律，并能与真实环境进行闭环互动。世界模型正是实现这一跨越的关键技术底座。
昆仑万维董事长兼CEO方汉演讲
方汉在演讲中系统提出了三大产业预判：
第一，世界模型将走出屏幕，进入物理世界。 我们洞察到，具身智能正从实验室走向真实环境，这一趋势要求机器人在行动前先进行环境推演——预判动作后果、评估环境变化、及时调整应对策略。这种能力的突破，将使竞争焦点从单一任务转向陌生环境下的通用模型能力；谁能训练出在复杂场景中依然“看得懂、做得对”的模型，谁就拿到物理智能时代的入场券，这也是中国智能制造和机器人产业真正亟需的底层能力。
第二，游戏行业将率先被世界模型改变。开放世界游戏不再依赖数百人团队数年的手工搭建，Matrix-Game 3.5让虚拟世界随玩家行动实时生长、持续演化。未来三到五年，世界模型将成为游戏行业的基础设施，彻底刷新内容生产方式，而国产模型已在这一赛道领跑全球。
第三，AI音乐、AI视频等工具将从技术试验变成大众创作工具，促进AIGC的深层发展。Mureka作为中国最强、全球前两名的音乐生成模型，率先去除“AI味”，让普通人也能把模糊灵感转化为有情绪、有温度的作品。这就是大幅降低创作门槛，让更多人的表达得以释放，从而根本性改变音乐乃至整个AIGC产业的创作生态。
三个产业预判，背后是同一个方向：让AI从“会生成”走向“懂世界”“能行动”。方汉表示，这不只是昆仑万维一家公司的回答，更是中国AI从研发走向产业应用的一个缩影。
AI模型全球升级，掀起全模态内容生成革命
本次论坛上，昆仑万维集中完成了核心模型的全球重磅升级：2.1 Matrix-Game 3.5实现Patch级记忆注入。昆仑万维期望这次革新可以重新定义交互世界模型。
Skywork首席科学家成宇在论坛上正式发布了Matrix-Game 3.5世界模型。Matrix-Game 3.5聚焦可交互世界模型技术，实现了Patch级别的记忆注入与系统级性能优化，5B模型在720p分辨率下可实现单卡20FPS实时生成，具备1分钟记忆能力。
Skywork首席科学家成宇演讲
成宇指出，世界模型是具身智能的“无限数据引擎”。传统数据采集面临人工成本高昂、实机采集耗时耗力、效率极低的痛点，无法满足大模型规模化需求。Matrix-Game 3.5构建了支撑下一代世界模型的无限数据生产体系，突破传统瓶颈，打造三条自动化数据生产管线，输出Video+Pose+Action+Language的高质量训练数据，目前已积累超500万条高质量视频切片、超1万有效训练小时数、覆盖1200余个游戏场景。
在技术架构上，Matrix-Game 3.5创新性地将历史帧切分为带有3D坐标的Patch Memory（通过Depth+Pose Lift到世界坐标系），推理时根据当前相机视锥检索可见Patch并重新投影到当前视角形成Mosaic，再作为Memory Token注入DiT，实现长期一致性的Patch级空间记忆。这一设计将Frame-level FOV Memory升级为Patch-level FOV Memory，带来四大核心优势：更准确的空间记忆检索与跨帧一致性、更稳定的相机运动生成、最大程度保留基座模型动态生成能力的In-context Learning、以及用户可自由编辑记忆块的可控记忆能力。
此外，Matrix-Game 3.5在推理加速层面实现了DiT推理与VAE解码的全链路优化，通过“减少模型吞吐+DiT模型优化+VAE剪枝”三重手段，达成单卡20FPS 720p实时推理的业界领先性能，让高质量世界模型真正具备实时交互能力。
Matrix-Game从1.0到3.5始终坚持开源路线。3.5版本宣布核心架构开源，吸引全球开发者共建生态。Matrix-Game 2.0是实时交互式世界模型技术范式中首个开源的实现方案，Matrix-Game 3.0则首次系统性地将记忆问题纳入开源解决方案。
AI味越来越淡的AI音乐模型
Mureka v9.5&O3音乐大模型的发布，成为本次论坛最具情感冲击力的时刻之一。
从SkyMusic 1.0内测到Mureka v9.5&O3，昆仑万维的音乐模型走过了一条从“作品成立”到“创作可控”再到“多模态创作”的演进路径。而v9.5版本首次喊出“最没有AI味的AI音乐模型”这一口号——它不再依赖声部堆砌和复杂编配制造“厉害”的第一印象，而是在真实的音乐框架中，以更为克制的方式处理编配、人声、情绪与Prompt意图，让音乐表达更自然、更真诚。O3建立在新版V9.5之上，并通过test-time scaling扩展MusiCoT的推理过程。它不是简单地“生成得更多”或“想得更久”，而是让模型在生成过程中持续审视当前表达：局部旋律是否仍服务全曲目标，编配是否遮蔽人声，情绪是否提前透支，结构是否正在偏离最初意图。额外推理空间被用于回看偏差与自我修正，使音乐 CoT 能够逐步收敛，而不是一次决定后一路向前。
AI是文娱行业的革新者，人是内容的灵魂缔造者
论坛压轴环节举行了“全模态内容革命——AI重塑视频、游戏、音乐与全球文娱”圆桌对话，由甲子光年创始人张一甲主持。昆仑万维董事长兼CEO方汉，中国电影家协会副主席黄晓明，演员王珞丹，爱奇艺高级副总裁杨海涛，青年导演崔睿共同参与。
圆桌对话围绕AI与文娱产业的深度融合展开讨论：从演员和导演的AI创作初体验到AI演员与真人创作者的价值博弈，从AI重构平台内容生态到全模态AI重塑文娱赛道终局。嘉宾们一致认为，AI是文娱行业最好的工具与最大的革新者，而人类创作者永远是内容的灵魂缔造者，人机协同将成为全球文娱行业的新发展范式。
王珞丹以亲身体验，道出AI创作的“痛并快乐着”——为求一个理想镜头熬夜“抽卡”至凌晨四点，反复调整提示词却迟迟得不到想要的画面，直到清晨才终于抽到满意的镜头。她坦言自己作为“小白”创作者，从分镜、数字资产到人物设定一步步摸索，在这个过程中请朋友帮忙才得以完成。她认为创作者首先是一个判断者和决策者，需要用审美去筛选和决定最终呈现的画面，而AI能带来超出想象的运镜和流动性。她相信观众在意的是故事能否打动人心，而非媒介形态；创作者始终是表达的核心。
王珞丹道出AI创作的“痛并快乐着”
黄晓明提到自己曾看了一部朋友制作的AI电影，三个月前看时还能明显看出AI表演的痕迹，但最近再看时，即便被告知那是AI生成，他已经完全分辨不出来了，“细节到脸上的斑点毛孔，甚至微表情、毛孔都在演戏”——这种指数级的技术迭代让他真的惊到了。AI不仅改变了他的创作方式，也融入了他的日常体验——他今天用Mureka生成了两首歌，效果很不错：“我很喜欢杨宗纬的风格，就让Mureka照着《空白格》生成了一首抒情的，歌词还挺触动人心的。”从创作到投资，他对AI保持高度开放态度，明确表示很想去投资一些AI相关的项目——无论是科技方向还是影视方向。
黄晓明分享。
崔睿指出，AI已在实际创作中显著提升了前期故事板的制作效率，让导演能以更低成本、更短时间完成视觉预演；后期阶段，AI还能有效补足因天气等客观因素无法实拍的镜头缺失。在他看来，AI在影视制作中最能发挥价值的场景，恰恰是那些人力成本最高、执行最烦琐的“技术难题”——比如需要成千上万群演的大场面，这正是AI最擅长解决的领域。提及昆仑万维的AI视频模型SkyReels，他认为一致性非常突出——能有效解决创作者最头疼的“抽卡”效率问题，在系列化制作中保持人物、物体的稳定统一，避免反复尝试的无效劳动；同时音画同步能力也值得肯定。整体来看，他认为AI视频工具值得创作者去尝试和使用。
杨海涛从平台数据出发，透露爱奇艺后台每日收到超3000部AI短剧与上千部AI漫画，AI内容观看数据持续提升。他以爱奇艺"燎原计划"扶持的网络电影《勿念》为例，AI在电影镜头特效制作方面实现超50%的提效，从导演构思到成片可节约三周以上的时间，他预计暑期将上线更多AI参与的网络故事片。
方汉承诺，将持续降低创作门槛与Token成本，实现“人人如龙”的文化平权。他坦言技术上的难点并非大场面、爆炸等传统拍摄中昂贵的镜头，而是小众场景数据量不足导致效果不佳；同时解释AI生成人像“塑料感”的来源是扩散模型的去噪机制将所有面孔平均化，因此让模型更真实是所有从业者的共同目标。他预测后AI时代，演员需学导演、导演需学表演，角色边界将日益模糊。
几乎所有嘉宾共同指向一个共识：AI不会消解人的创造力，反而倒逼创作者更珍视自身的独特体验与情感表达，在技术赋能下回归内容的本真。
文、图/广州日报新花城记者：钟达文
广州日报新花城编辑：麦晓颖
