昆仑万维WAIC专场论坛：Matrix-Game 3.5与Mureka v9.5&O3重磅升级

AI与文娱的碰撞，究竟能激发出多大的能量？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，再到AI如何重构平台内容生态，乃至全模态AI如何改写文娱终局——这场圆桌讨论几乎覆盖了所有关键议题。嘉宾们的共识也相当明确：AI是文娱行业最好的工具，但人类创作者始终是内容的灵魂。人机协同，才是未来的方向。

7月19日，上海西岸，昆仑万维的“世界模型与多模态范式跃迁”论坛如期举行。会上，他们一口气发布了三款重磅升级——Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型，几乎覆盖了世界模型和AIGC创作的所有前沿赛道。

方汉：2026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方汉给出了一个关键判断：过去两年，AI圈最火的关键词是“生成”——生成文字、图像、视频、音乐。但从2026年开始，风向变了。核心命题从“生成”转向了“理解”与“交互”。说白了，就是让AI真正读懂物理世界的运行规律，还能和真实环境来一场闭环互动。

昆仑万维董事长兼CEO方汉

方汉在演讲中系统阐述了三大产业预判：第一，世界模型将走出屏幕，进入物理世界。具身智能正从实验室走向真实环境，这意味着机器人在行动前，必须先进行环境推演——预判动作后果、评估环境变化、及时调整应对策略。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。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，进一步推动AIGC的深层发展。

AI模型全球升级，掀起全模态内容生成革命

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。这款模型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。具体来说，5B模型在720p分辨率下，单卡就能实现20FPS的实时生成，还能记住1分钟内的内容。

Skywork首席科学家成宇

成宇指出，世界模型是具身智能的“无限数据引擎”。Matrix-Game 3.5打造了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。

技术架构上，Matrix-Game 3.5将Frame-level FOV Memory升级为Patch-level FOV Memory，带来了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，以及最大程度保留基座模型动态生成能力的In-context Learning。用户还可以自由编辑记忆块，实现可控记忆功能。此外，在推理加速层面，通过“减少模型吞吐+DiT模型优化+VAE剪枝”三重手段，实现了单卡20FPS 720p实时推理的性能。3.5版本已宣布核心架构开源，吸引全球开发者共建生态。

昆仑万维的音乐模型v9.5版本，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则建立在新版V9.5之上，通过test-time scaling扩展MusiCoT的推理过程。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。

歌曲的主观评分

从评测结果来看，V9.5沿着MusiCoT路线完成了更扎实的底座升级：旋律、人声、音质和编曲全面提升，指令精准度从6.92提升至7.62。O3则建立在V9.5之上，通过持续推演、回看偏差和修正后续决策，进一步强化了旋律发展、编曲结构与指令理解，使歌曲结构更完整、情绪更连贯、段落关系更合理。简单来说，V9.5负责把歌做得更自然，O3负责让模型在交付前多看、多想、多修一遍。

用户可以从一张图、一段视频或moodboard开始，让系统理解画面的节奏、人物、空间和情绪，再生成与之匹配的音乐；当然，也可以从一首歌开始，让Agent理解歌词叙事、节拍编曲和情绪起伏，继续生成角色与MV的视觉方案。歌词决定叙事、节拍决定剪辑、旋律决定记忆点、画面决定传播场景。Agent要做的，是让这些信息在同一个创作目标下持续传递，而不是把几个生成工具简单拼在一起。

同时，Mureka推出了Character功能——一段声音、一张照片即可生成专属歌手角色，并贯穿歌曲、MV全链路；AI配乐能自动分析视频画面的场景、动作与情绪，创作更贴合内容的音乐；Mureka Agent则通过自然语言一次对话，调用整曲生成、单轨生成、Remix、延伸、MIDI导出、声音克隆等全部能力，全程无需切换界面。

院士与行业领袖齐聚，共话世界模型未来

本次论坛还邀请了多位重量级嘉宾。中国科学院院士、南京大学教授、副校长周志华受邀发表主旨演讲，围绕世界模型的前沿方向展开了深度分享。此外，黎曼动力机器人创始人刘扬教授和Reactor Technologies, Inc. CEO兼联合创始人Alberto Taiuti，也分别介绍了黎曼机器人模型1.0版和Reactor加速世界模型在全球落地的经验。

中国科学院院士、南京大学教授、副校长周志华

中国科学院院士、南京大学副校长周志华教授在题为《关于世界模型的讨论》的主旨演讲中，将世界模型划分为感知层、理解层与决策层，并着重指出决策层世界模型长期面临“多步推演复合误差平方级放大”与“样本复杂度过高”两大理论瓶颈。

黎曼动力机器人创始人刘扬教授

黎曼动力机器人近期推出的Riemann-1.0，是其成立以来首个公开发布的成果——面向Physical AI的新一代Embodied World Action Model。该模型基于超过23.2万小时多源具身交互数据训练，统一融合了第一视角人类视频、UMI示教与异构机器人轨迹，并提出了全因果世界动作建模架构与三阶段渐进式具身预训练框架。

真机评测：四大家居任务全面领先

Reactor Technologies, Inc. CEO兼联合创始人Alberto Taiuti强调，世界模型不再只是生成视频或图像，而是能够持续推演环境变化并支持双向人机交互的“生成式软件”雏形。他以公司同名平台“Reactor”为例，展示了为世界模型原生设计的开发者基础设施，如何在保持极低延迟与流式传输的同时，支持机器人、游戏、仿真等高频交互场景。

Reactor Technologies, Inc. CEO兼联合创始人Alberto Taiuti

在具身智能对谈环节，黎曼动力机器人创始人刘扬与破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲，围绕“具身世界模型的ChatGPT时刻”展开了深度对话，探讨了世界模型与VLA的边界、机器人通用世界模型的训练瓶颈、具身智能的Scaling Law以及家庭机器人PMF等核心议题。

全模态内容革命：AI重塑视频、游戏、音乐与全球文娱

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。