5年3D打印实践揭示世界模型的规模扩展定律
2026年初，英伟达CEO黄仁勋在CES上抛出“物理AI是第二个拐点”的判断后，世界模型（World Model）迅速成为全球科技巨头竞相布局的核心战场。
然而，这一趋势背后，是学术界早已形成的共识：AI必须理解物理世界的常识与规则，才能真正融入并服务于人类生活。随着李飞飞、杨立昆等顶尖学者纷纷投身于此，业界逐渐看清，这是一个比大语言模型更为底层、也更具挑战性的赛道。
当我们将目光投向国内，寻找这条赛道上的探索者时，陈天润和他创立的魔芯科技，提供了一个独特的观察样本。
这位2000年出生的在读博士生，在2022年以3D打印创业完成从0到1的验证后，于2024年带领公司全面转向空间智能领域。尽管他谦逊地以“造小家电的”、“3C产品创业出身”自居，但其身份远不止于此——他不仅是潘云鹤院士的弟子，更是一家在空间智能与世界模型领域获得华&为、联想等巨头数亿元联合投资的初创公司CEO。
近期，魔芯科技将自身定位为“空间智能的基础设施服务商”。在与我们的对话中，陈天润既深入探讨了空间智能的技术内核，也从创业者的实战角度，分享了如何将一秒钟视频的生成成本控制在“一毛钱以内”的商业化思考。
在3D打印行业的激烈竞争中“卷”了五年，陈天润身上沉淀下来的商业化能力尤为突出。相较于许多擅长科研却困于产品化与成本控制的AI团队，他的经历提供了另一种解题思路。以下是经过编辑的对话实录。
01 造小家电的过程中，意外发现了空间智能的Scaling Law
AI科技评论：外界对魔芯科技的认知大多还停留在3D打印机业务上。这次突然宣布获得亿元级融资，背后的关键原因是什么？
陈天润：我们的3D打印机业务确实打下了不错的基础。但在持续的研发过程中，我们洞察到了一条通向高泛化、高通用、可交互且高精度世界模型的潜在路径，其核心在于我们发现了空间智能领域可能存在的“Scaling Law”（规模定律）。
AI科技评论：这项发现具体是在什么时间点？
陈天润：大约在2024年底。当时我们在研究3D AI建模，测试某个网络结构时，意外发现它不仅擅长生成物体，对整体空间的重建效果也出奇地好。更重要的是，随着投喂的数据量增加，模型在空间重建的精度和一致性上表现出持续的提升。
这让我们意识到，空间建模可能像大语言模型一样，存在“数据越多，效果越好”的规律。过去，3D领域的主流方法是先构建中间表示（比如知识图谱、全景图或3D高斯模型），再基于此完成下游任务。但我们的实验表明，绕过这个中间环节，采用端到端的直接训练，模型反而能学到更本质的空间关系。
AI科技评论：驱动这个发现的数据主要是什么类型？
陈天润：核心是3D原生数据，即图片与精确3D信息的配对数据，并辅以文本描述。我们组建了专门的数据采集团队，其工作模式类似于许多机器人公司——雇佣大量人员进行实地数据采集。
AI科技评论：合成数据和真实数据都会使用吗？比例如何调配？
陈天润：两者都会用，但这其中有个“配方”问题。真实数据能提供泛化能力，但往往不够精确；合成数据精度高，但泛化性不足，遇到新场景就需要调整。这就像厨师做菜，不同训练阶段需要不同的原料比例，没有一成不变的公式。
AI科技评论：数据采集的成本是许多投资人关心的问题。
陈天润：中国在数据采集方面具备一定的成本优势。此外，我们采集的数据与具身智能公司有重叠部分，也有独特部分。因为最终要服务于具身智能等场景，所以也会涵盖机器人完成任务所需的那类数据。
AI科技评论：你们的世界模型方案，与市面上的其他方案有何根本区别？
陈天润：我们是国内首个基于全国产算力（华&为昇腾910C）实现数分钟级交互的世界模型KOKONI-World。许多头部公司的架构在数据量增大后，效果提升可能会遇到瓶颈。而我们的端到端架构，其空间理解能力随着数据规模扩大能持续提升。
另一个关键区别在于模型的可部署性。目前很多世界模型运行实时视频生成可能需要10张A100显卡，这根本无法部署到车端或机器人等终端。我们的模型可以压缩到1-2B参数规模，在端侧NPU（如瑞芯微、地平线的芯片）上直接运行，无需额外背负沉重的显卡——有些所谓的“端侧部署”，实际上还是在设备外设了显卡。
02 空间智能的战场，在科研也在产业
AI科技评论：端侧视觉-语言-动作模型的具体商业场景有哪些？
陈天润：主要沿着两条主线展开。一是具身智能，让每一个需要与真实世界交互的终端（如机器人）都具备空间感知和理解能力，目标是让它们“既看得懂，也走得准”。
二是自动驾驶。我们正与一些厂商合作，预计最晚明年就会有搭载我们模型的方案批量部署。当前，很多世界模型因为推理速度慢，主要被用作离线的“数据生成器”。而我们的模型能够实时运行，这意味着它可以被集成到车辆的在线系统中，实现边感知、边推理、边决策。我们认为这是世界模型一个非常契合的应用场景。
AI科技评论：车企如何评价你们的技术？他们过去通常依赖大算力芯片方案。
陈天润：我们观察到，大算力芯片在车载环境下的扩展始终存在物理和成本极限。单颗芯片的算力再强，也难以媲美10张A100集群的能力。因此，我们的思路是，在端侧利用性能足够的NPU，让模型像“增加一个高维传感器”一样，为现有系统提供增量价值。
03 “消费电子的创业经历，教会我们什么叫效率”
AI科技评论：从3D打印转型到空间智能，团队架构做了哪些调整？
陈天润：打印机业务我们仍在运营，市场也在增长，但对于公司的战略转型而言，其重要性已相对下降。然而，消费电子产品所锤炼出的研发、生产制造等全套经验，对当前业务有极大的帮助。
很多AI公司团队缺乏消费电子行业的实战经验，那是一个竞争极度激烈的“修罗场”——成本控制、流程管控、项目与生产进度管理，每一个环节都至关重要。我们被“卷”了五年，整个组织的效率被硬生生磨练了出来。如今做世界模型，我们同样沿用这套方法论：快速迭代、严格质量把控、强调工程落地。这构成了我们与其他AI公司不同的基因和效率优势。
AI科技评论：这种效率优势在具体工作中如何体现？
陈天润：如果团队直接从科研背景下场创业，往往缺乏对残酷商业竞争的切身感受。我们经历过：2022年通过小米众筹渠道卖出600多万的3D打印机，但竞争对手带着具有代差优势的产品入场后，市场格局瞬间改变。
这种“被卷过”的经历，让我们深刻理解什么是真正的商业化闭环。现在进入AI赛道，如果手中没有能自我造血的业务，内心会感到不安。世界模型领域同样离不开基本的商业逻辑。公司可以设置面向未来的研究部门，也可以进行前沿学术探索，但必须有一部分团队扎根产业，解决实际问题，这才能带来真正的踏实感。
AI科技评论：拓竹科技算是3D打印行业的“卷王”吗？
陈天润：拓竹做出了足够优秀的产品，就像戴森用核心技术构建了壁垒。但聪明的中国供应链会迅速跟进，第一波冲击往往是最难抵挡的。
AI科技评论：你们可以成为3D打印领域的“徕芬”。
陈天润：我们一度就是3D打印领域的“徕芬”，甚至卷得更厉害。目前，我们保留了3D打印机业务。但更重要的是，在制造“高速吹风机”（指消费级3D打印机）的过程中，我们意外发现了如何制造“行星发动机”（指空间智能的核心底层技术）。
AI科技评论：打印机业务目前还完全在公司体系内吗？
相关攻略
世界模型是AI构建现实世界内在模拟器的关键，旨在让智能体理解逻辑与因果关系以做出明智决策。在自动驾驶等场景中，需融合三维精度与物理规律，结合重建与生成方法，并探索数据与规则建模的结合。当前模型在动作反馈、奖励机制及因果建模方面仍存挑战，未来需强化交互与泛化能力。
成都发布了全国首个基于流形拓扑保持的机器人世界模型。该模型通过将高维物理状态映射到低维空间进行编码，为机器人构建了能深刻理解物理规律的“大脑”，使其决策严格符合物理规律，避免违背常理的错误。这项技术提供了跨场景的底层表征范式，将复杂感知数据压缩为具备内在几。
如果你一直关注AI架构的前沿发展，对Yann LeCun大力倡导的JEPA（联合嵌入预测架构）系列模型充满好奇，但又对动辄数百GB的预训练模型和复杂的工程代码感到无从下手，那么现在有一个绝佳的机会：有人将其核心思想，用最纯粹、最易懂的方式“翻译”成了代码。 最近，GitHub上出现了一个极具教学价值
前阿里通义千问技术负责人林俊旸已投身创业，聚焦世界模型与具身智能领域。其团队初期已吸引多位头部科技公司核心成员，并以约20亿美元估值启动融资。林俊旸在阿里期间主导了通义千问系列大模型的研发与开源，成为阿里最年轻的P10专家。他于2026年3月卸任，创业动向备受关注。
当您在游戏中沉浸于那些栩栩如生的虚拟世界时，是否思考过，每一帧精美画面背后，都承载着多么庞大的计算负荷？近期，一项来自中国科学院计算技术研究所、苏黎世联邦理工学院及纽约城市大学等机构的联合研究，提出了一项突破性的解决方案，精准针对AI世界模型生成速度过慢的核心瓶颈。这项发表于2026年3月、编号为a
热门专题
热门推荐
英伟达Omniverse定位为物理AI操作系统。松应科技推出ORCALab1 0，旨在构建基于国产GPU的物理AI训练体系。针对机器人行业数据成本高、仿真迁移难的问题，平台提出“1:8:1黄金数据合成策略”，并通过高精度仿真提升数据可用性。平台将仿真与训练集成于个人设备，降低开发门槛，核心战略是在英伟达生态垄断下推动国产替。
Concordium是一个注重合规与隐私的区块链平台，其原生代币为CCD。该平台通过内置身份验证机制平衡隐私与监管要求，旨在服务企业级应用。CCD用于支付交易手续费、网络治理及生态内服务结算。其经济模型包含释放与销毁机制，以维持代币价值稳定。项目在合规金融、供应链、数字身份等领域有应用潜力。
上海人工智能实验室联合多家机构发起国产软硬件适配验证计划，致力于打造覆盖AI全流程的验证平台与自主生态社区。该平台旨在解决国产算力与应用协同难题，构建从芯片到应用的全链路验证体系，支持多种软硬件适配，推动国产AI技术向“好用、易用”发展。商汤科技依托AI大装置深度参与，已。
具身智能行业资本火热，但曾估值超200亿元的达闼科技迅速崩塌。其失败主因在于创始人黄晓庆以通信行业思维经营机器人业务，过度依赖政商关系与资本运作，技术产品突破有限；同时股权结构复杂分散，倚重政府基金，最终因融资断档与商业化不足导致团队离散。这折射出第一代创业者跨。
TurboQuant论文被质疑弱化与RaBitQ的关联，并存在理论比较与实验公平性问题。谷歌借助平台影响力将其定义为突破性成果，凸显了大厂在学术生态中的结构性优势。类似争议在伦理AI、芯片等领域亦有体现，反映了产业界将利益嵌入研究流程的机制。当前AI研究日益由大厂主导，其通过资本、渠道与话语权塑造。