昆仑万维WAIC专场论坛：Matrix-Game 3.5与Mureka v9.5&O3重磅升级|matrix|mureka|昆仑万维|机器人|模态|知名企业

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。

7月19日，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。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。

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。

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。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，促进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。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

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。

在技术架构上，Matrix-Game 3.5将Frame-level FOV Memory升级为Patch-level FOV Memory，带来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实时推理的性能。3.5版本宣布核心架构开源，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。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。

从评测结果看，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，我们邀请了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，统一融合第一视角人类视频、UMI 示教与异构机器人轨迹，并提出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。

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。