DeepMind 沒舍得開源的 Genie 3，被昆侖萬維放出來了

技術和商業同時加速。

作者丨鄭佳美

編輯丨陳彩嫻

過去一周，世界模型賽道的熱度被推到新高。

DeepMind 剛發布的 Genie 3 展示了交互式、實時、長序列生成的能力，讓“虛擬世界隨時可玩、可控”從概念變成了可見的產品形態。不過，Genie 3 雖然驚艷，卻并未開源，這讓不少開發者只能停留在猜測其技術細節的階段。

然而 DeepMind 沒做到的事，昆侖萬維做到了。8 月 12 日，在昆侖萬維啟動Skywork AI技術發布周的第二天，昆侖萬維推出了自研 Matrix 系列的升級版，交互式世界模型Matrix-Game 2.0。

和 Genie 3 相比，Matrix-Game 2.0 不僅同樣實現了通用場景下的實時長序列交互生成，更大膽的是，它完整開源，成為了業內首個在通用場景落地這項能力的開源世界模型。這意味著，社區不僅能看到最終效果，還能復現、改進，甚至直接嵌入實際項目。

與更偏向技術演示的 Genie 3 不同，Matrix-Game 2.0 的定位更貼近產業化落地：它的目標是讓這項能力可以即用即調，并直接服務于游戲引擎、具身智能、虛擬人交互等場景。

換句話說，昆侖萬維是正在把世界模型從實驗室，真正推向了生產線，昆侖萬維過去兩年大筆研發投入終于迎來了“開花結果”的階段，技術成果持續轉化為營收增長動能。

當技術飛輪和商業飛輪同頻轉動，昆侖萬維率先拉開整個 AI 領域商業化的序幕。

01

虛擬世界的真實感

昆侖萬維的 Matrix-Game 2.0，真正把“交互式世界模型”從紙面技術變成了可以直接上手的工具。用戶只需要鍵盤和鼠標，就能在模型生成的世界里實時移動、轉向、執行動作，畫面以 25FPS 連續輸出，并在分鐘級長序列中保持物理邏輯和細節穩定。

在 GTA 場景中，白天的城市主干道上，車輛和行人川流不息。玩家駕駛著轎車在車流間穿梭，轉向、加速與剎車都即時體現在畫面中。25FPS 的實時生成讓光影、路面反射與 NPC 動作都保持穩定一致。

在高速公路上的疾馳畫面中，遠處山體與天空細節清晰可見。玩家變道、提速等操作與場景變化自然銜接。模型保持了分鐘級長序列的連貫性，光照切換與物理碰撞無延遲。

同樣在 MC 的像素風方塊世界中，遠處是起伏的山丘與樹木。玩家操控角色行走、跳躍，動作指令即時轉化為生成畫面。模型在低紋理細節下依然保持物體位置與交互邏輯準確。

在復雜的地形中進行攀爬，方塊臺階與懸崖邊緣依舊無縫銜接。25FPS 的生成速度確保了視角切換的流暢性，角色運動軌跡和地形碰撞保持物理一致。

除此之外，在神廟逃亡這款經典游戲的場景中，高速奔跑的賽道兩側是古老的石墻與懸崖。玩家連續執行轉彎、跳躍、下蹲等操作，模型即時生成對應視角變化。動作與背景透視精準同步，完全沒有拖影或卡頓。

而在 Wild 場景里，玩家沿小路緩慢前進并調整視角，光影變化和植被細節與操作步驟依舊同步變化。分鐘級生成下，環境細節在長時序中無明顯漂移。

02

分鐘級長視頻，實時可交互

Demo 之外，Matrix-Game 2.0 的技術報告也十分有看點。它的設計目標，是構建一個既可操控、又能實時響應的虛擬世界，并在長時間運行中保持流暢性與物理一致性。其技術方案可分為四個層次：核心理念、模型架構、生成機制，以及數據與任務設計。

與許多依賴文本提示的生成模型不同，Matrix-Game 2.0 完全繞過語言輸入，將視覺作為唯一信號。這種方式避免了語言先驗可能帶來的語義偏差，讓模型直接從畫面中學習空間結構、物體關系和物理規律，從而生成更貼近真實的虛擬場景。

架構方面以圖像為核心，由三大組件組成：3DCausal VAE 壓縮結構在空間與時間兩個維度對視頻進行高效壓縮，既保留關鍵信息，又降低計算成本。多模態擴散 Transformer（DiT）將視覺編碼與用戶的操作指令融合，逐幀生成符合物理規律的動態視頻序列，再通過 3D VAE 解碼成完整畫面。動作控制模塊借鑒 GameFactory 與 Genie 系列的交互框架，引入幀級鍵盤與鼠標輸入，實現即時操控與世界生成的無縫銜接。

當然，Matrix-Game 2.0 也要面對長序列視頻常會遇到延遲和誤差累積的問題，不過它直接通過專有的三項機制應對：

因果擴散訓練將雙向擴散蒸餾為因果模型，僅依賴歷史幀生成當前幀，減少等待、提升推理速度。

分布匹配蒸餾（DMD）在訓練中最小化學生模型與原始模型的生成分布差異，保證長時間生成下的畫面穩定性，減少漂移。

KV-Cache 緩存機制保存注意力上下文，實現滾動生成，避免重復計算，即便在單 GPU 環境下也能達到 25 FPS 的實時速度。

除此之外，為保證在多場景下的表現，研究團隊還基于 Unreal Engine 和 GTA5 搭建了可擴展的數據生產管線，生成了上千小時的高質量交互視頻，涵蓋多風格、多任務場景。

并在此基礎上，訓練了多個子模型：Matrix-Game Uni適合探索多種真實感靜態場景；Matrix-Game TempleRun面向跑酷類游戲，具備精準的動作響應；Matrix-Game GTA則可模擬動態城市與車輛運行，場景中的物體具備獨立運動軌跡。

總的來說，結合架構與數據，Matrix-Game 2.0 在三方面表現尤為突出：高幀率長序列生成，支持分鐘級的連續交互視頻生成，動作流暢、響應及時；多場景泛化，無需重新訓練即可適配多種風格和環境，從寫實城市到藝術化場景均能生成；物理一致性增強，角色在復雜地形下的行為符合物理邏輯，顯著提升沉浸感與可控性。

憑借這些特性，Matrix-Game 2.0 不僅可用于游戲內容創作，還能為具身智能訓練、虛擬現實、影視制作及元宇宙內容生產提供穩定的技術支撐。

03

飛輪在轉，且轉得更快

過去，AI 公司大多依賴出售單一模型能力，通過 API 調用費或訂閱制獲取收入，這種模式的優點是輕資產、上手快，但缺點也明顯：客戶黏性不足，易被替代，商業天花板較低。

而昆侖萬維這次“技術周”釋放出的信號也很明確：它正從“賣模型”轉向“賣系統”，即用多模態能力構建一整套可直接嵌入客戶工作流的行業解決方案。這樣一來，客戶不僅購買某個模型的使用權，而是將整個工作鏈條部分外包給昆侖萬維的 AI 系統，從而形成更強的綁定關系和更穩定的收入來源。

總的來說，這種模式的變化可以看作是從點狀能力變現升級成體系化能力變現的過程，也是卡位未來競爭高地的主動出擊，這種體系化轉型不僅改變了昆侖萬維的業務重心，也踩在了行業發展的主旋律上：多模態閉環正在成為全球 AI 廠商的必爭之地，誰能率先跑通并規?；涞?，誰就可能在新一輪的產業洗牌中占據制高點。

昆侖萬維 2025 年 Q1 財報數據顯示，經營性現金流凈額增長 58.3%，顯然，2024 年 15.4 億元的研發投入正持續轉化為營收增長動能。這驗證了 AI 技術商業化的可持續性，使昆侖萬維成為國內首個跑通“研發投入——產品變現——現金流反哺”閉環的 AI 企業。

Matrix-Game 2.0 只是其中一個信號，本次技術發布周，昆侖萬維還帶來了視頻生成模型(Skyreels)等模型，這些產品將在短視頻、直播帶貨、具身智能、游戲等領域大放異彩，率先實現商業化。

昆侖萬維將持續迎來營收增長，技術產品矩陣持續落地，真正迎來技術和商業的同時加速，這一切正在發生！

1、技術報告：https://github.com/SkyworkAI/Matrix-Game/blob/main/Matrix-Game-2/assets/pdf/report.pdf

2、項目主頁：https://matrix-game-v2.github.io/

3、HuggingFace地址：https://huggingface.co/Skywork/Matrix-Game-2.0

4、GitHub地址：https://github.com/SkyworkAI/Matrix-Game

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。