0
2026年初，英偉達CEO黃仁勛在 CES 上喊出"物理AI是第二個拐點"后，世界模型（World Model）成了全球科技巨頭的必爭之地。
但在這之前，學術界就有很多學者已經意識到， AI 必須理解物理世界的常識，才能真正服務于人類。但隨著AI 教母李飛飛，Meta前首席AI科學家、圖靈獎得主楊立昆等大佬紛紛投入這一領域，大家逐漸意識到，這是一個比大語言模型更底層、也更難啃的賽道。
當我們在國內尋找這條賽道上的學者和公司時，陳天潤進入了我們的視野。
這位2000年出生的在讀博士生，在2022年創立魔芯科技，用3D打印機完成從0到1的驗證后，于2024年全面轉型空間智能。
“造小家電的”、“ 3C產品創業出身”…… 在對談中，這位00后對自己的介紹極度克制。但實際上，他不僅是一家“估值數十億”的世界模型領域公司CEO，還是潘云鶴院士的弟子。
不久前，魔芯科技憑借著空間智能與世界模型方面的突破，順利拿到了華為、聯想等巨頭聯手的數億元融資，如今，他們對自己的定位是空間智能的基礎設施服務商。
在這次對談里，陳天潤一邊輸出空間智能相關的技術性話題，一邊從創業者角度跟我們分享他在商業化方面如何將一秒鐘視頻生成成本控制在一毛錢以內。
在3D打印的"修羅場"里被卷了五年，我們能看到他拼殺出來的商業化能力，對比很多AI公司，雖然科研很強，但不知道怎么把技術變成產品、怎么控制成本、怎么在供應鏈里活下來。陳天潤的經歷和經驗值得被挖掘，于是有了這次對話。
以下是陳天潤與AI科技評論的對話，AI科技評論作了不改變原意的編輯：
01
造小家電的過程中，意外發現了空間智能的Scaling Law
AI科技評論：外界對魔芯科技的認知還停留在3D打印機，你們這次突然宣布拿到億元融資，是因為什么？
陳天潤：我們之前3D打印機做得不錯，在持續研發與研究的過程中，洞察到了空間智能的Scaling Law（規模定律），看到了一條走向高泛化、高通用、可交互、高精度世界模型的路徑。
AI科技評論：這項研究成果是什么時候發現的？
陳天潤：2024年底，我們在研究3D AI建模時，測試某個網絡結構，發現它不僅能把物體生成得很好，空間也能做。而且數據喂得越多，空間重建效果越好，精度和一致性都更好。
這讓我們意識到：空間建模可能存在某種Scaling Law。就像大語言模型直到ChatGPT才證明"數據越多效果越好"，在3D領域，過去大家先構建中間表示，也就是類似知識圖譜的東西，再生成結果。比如李飛飛的World Labs等，會選擇先構建全景圖或者先建3D高斯，再用這個去做下游任務。但我們發現，如果去掉這個中間環節，直接端到端訓練，模型反而學得更好。
AI科技評論：是什么數據在驅動這個意外發現？
陳天潤：3D原生數據，比如圖片與3D信息的配對，加上文本描述。我們有個數據團隊在專門采集，雇了大量人員在采數據，就跟很多機器人公司雇人采數據一樣。
AI科技評論：意思是合成數據和真實數據都用，那比例呢？
陳天潤：這里有個"配方"問題。真實數據提供泛化性，但它不準；合成數據準，但不泛化，遇到新場景就得改。我們得像廚師一樣調配這個比例，不同訓練階段配方還不一樣。
AI科技評論：輸血業務一會聊，先說說數據采集成本吧，不少投資人關注這個話題。
陳天潤：中國在這方面有成本優勢。并且這跟具身智能公司采的數據不完全一樣，有重疊部分，也有我們獨特的部分。因為最終要服務具身智能場景，所以也會采那些機器人需要的數據。
AI科技評論：你們的世界模型，和市面上其他方案有什么區別？
陳天潤：我們是國內首個基于全國產算力（華為昇騰910C）的數分鐘級交互式世界模型KOKONI-World。很多行業頭部公司的架構，會出現數據喂多效果未必更好的情況。但我們的架構是端到端的，數據規模上去后，空間理解能力會持續提升。
更重要的是模型的可部署性。現在大部分世界模型跑實時視頻生成需要10張A100，不可能上到車端。我們能在端側NPU（比如瑞芯微、地平線芯片）上跑，模型規模壓縮到1-2B，不需要背個4090顯卡在機器人身上——有些公司宣稱端側部署，結果卻是背張顯卡。
02
空間智能的戰場，在科研也在產業
AI科技評論：端側VLA的商業場景是什么？
陳天潤：兩條線。一是具身智能，每個和真實世界交互的終端都應該具備空間智能的感知和理解能力，這個目的是讓機器人"看得懂也走得準"。
二是自動駕駛，我們正在跟一些廠商合作，最晚明年就能有我們的模型批量部署。現在的世界模型大多被當成"數據生成器"用，因為跑得太慢。我們能實時跑，就可以直接集成到在線系統里——邊感知、邊推理、邊決策。這是我們覺得非常適合世界模型的應用場景。
AI科技評論：車企怎么評價你們的技術？他們之前用的都是大算力芯片方案。
陳天潤：我有個觀察，大算力芯片在車上永遠有局限。單顆芯片再大，也搞不定10張A100的算力需求。我們的方案是在端側用相對不錯的NPU，讓模型能夠給現有的系統帶來“增加一個傳感器”一樣的增益。
03
"消費電子的創業經歷，教會我們什么叫效率"
AI科技評論：你們從3D打印轉型，團隊架構怎么調整？
陳天潤：打印機業務我們還在做，市場快速增長，但對于我們的轉型來說重要性下降了。但消費電子產品的研發、生產制造等經驗，對現在特別有幫助。
AI公司很少有干過消費電子的，那是個卷得要命的行業——成本控制、流程控制、項目進度控制、生產進度控制，全有講究。我們被卷了五年，組織效率被"卷"出來了。現在做世界模型，也用這套方法論：快速迭代、質量控制、工程落地，這也顯得我們和其他AI公司不一樣的基因和效率。
AI科技評論：具體怎么體現這種效率優勢？
陳天潤：如果從科研直接下場，那團隊就沒經歷過殘酷的商業拷打。我們經歷過：2022年就在小米渠道賣3D打印機，眾籌600多萬，但友商出來后，一切變了——他們研發投入帶來的產品代差，直接把市場卷飛了。
這種"被卷過"的經歷，讓我知道什么叫真正的商業化閉環。現在來做AI賽道，如果手里沒業務，我會很慌。我覺得AI或者說世界模型這個領域還是離不開基本商業邏輯，公司的業務可以設置和投資人溝通的"市場部"，也可以留出學術探索空間，但無論如何，要保證在產業里干活，才會讓我感到踏實。
AI科技評論：拓竹屬于行業中的“卷王”？
陳天潤：拓竹做出了足夠好的產品，就像戴森用核心技術構建了壁壘，聰明的中國人后面會火速跟進，但第一波沖擊扛不住。
AI科技評論：你們可以做“徠芬”啊。
陳天潤： 我們一度是3D打印領域的"徠芬"（國產吹風機品牌），更卷的那種。我現在保留了3D打印機的業務。但更重要的是，我們在做“高速吹風機”的過程中，發現了怎么造“行星發動機”（高速電機的核心研發配件，編者注）
AI科技評論：打印機業務還在公司內部嗎？（雷峰網(公眾號：雷峰網)）
陳天潤：現金流業務，我們仍然在為客戶提供更多更具性價比的3D打印機選擇。
04
“一秒鐘一毛錢”的商業化邏輯
AI科技評論：你說你們現在有不少影視娛樂的業務，這和你說的"主航道是世界模型"似乎有落差。
陳天潤：世界模型是基座、是能力，影視娛樂只是實際應用的一種。影視娛樂是"殺雞用牛刀"，但能快速驗證模型能力、產生現金流。我們把古畫變3D、做AI短劇、文旅項目的沉浸式體驗，一秒鐘視頻成本不到一毛錢，一分鐘也就六塊錢，傳統影視特效做不到這個價。
AI科技評論：為什么這么便宜？
陳天潤：因為空間模型將推理步驟在空間中而不是在語言模型中完成，架構的特性導致算力消耗小；另外在國產信創的趨勢下，3D渲染、機器人仿真，我們有可以交付的方案。
AI科技評論：還有其他應用嗎？（雷峰網）
陳天潤：今年晚些時候會有手機終端發布我們的功能。我們真正的想象力在更大的場景：讓空間智能成為基礎設施，就像DeepSeek是通用基座，上面可以長出醫療大模型、政務大模型。我們的基座能長出端側VLA、自動駕駛感知、實時3D重建各種應用。
AI科技評論：但你之前說具身智能和自動駕駛都還沒真正落地。
陳天潤：對，所以我們現在一邊瘋狂Scaling基礎模型，一邊用娛樂應用養現金流。樂觀地看，在今明兩年的時間就會有我們的空間模型算法在具身和智駕系統中落地。
AI科技評論：2026年世界模型會迎來"GPT時刻"嗎？
陳天潤：學術研究會持續推進，產業落地我不確定。對我們來說，會盡快讓更多場景用上我們的模型能力，不管是早期的娛樂應用，還是終局的具身智能、自動駕駛。
學術還是得跟實際產業結合，不能空中樓閣。 這是我們和很多AI公司的區別：我們有打印機業務練出來的商業化能力，知道怎么控制成本、怎么量產、怎么在消費電子的修羅場里活下來。這種"被卷過"的經歷，現在反而成了優勢。
05
一位00后CEO眼里的行業現狀
AI科技評論：你怎么評價現在具身智能領域的創業熱潮？
陳天潤：熱鬧。 很多公司堆估值、堆融資。
AI科技評論：怎么看國內世界模型賽道的競爭格局？
陳天潤：我感覺中美在這個賽道，有個明顯的區別，美國那邊，投資人愿意花錢買一張"通往AGI的門票"。
國內大家更保守，更愿意等類似大模型里的"GPT時刻"這樣的確定路徑出現，但現在世界模型的"Transformer"還沒出現，所以大家都在觀望。我們在瘋狂Scaling，手上的資源和數據都在加碼，無論如何，我們愿意嘗試。
AI科技評論：如果英偉達明天開源一個更強悍的世界模型，你們怎么辦？
陳天潤：垂直場景深耕。 我們有他們不具備的優勢：全國產算力適配、端側部署能力、消費電子的工程化經驗。Cosmos很好，但它跑在英偉達卡上，在中國車企那里未必好用。我們可以做"中國版Cosmos"，并且這部分我們已經在做了，近期工作會開源。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
