Model dunia akhirnya masuk ke era real-time. Ketika industri masih bergumul dengan 5FPS, 10FPS, sebuah tim dari China langsung mendorong model dunia interaktif real-time ke 50FPS. Yang lebih penting, mereka tidak menggunakan GPU NVIDIA.
Moxin Technology, yang berfokus pada penelitian dan industrialisasi model dunia 4D, bersama tim Akademisi Pan Yunhe dari Universitas Zhejiang, merilis MoWorld — Flash World Model pertama di dunia, sekaligus model dunia interaktif real-time pertama yang seluruhnya dibangun berdasarkan NPU domestik.
Dari pelatihan, distilasi hingga deployment, seluruh proses telah berhasil dijalankan dalam siklus tertutup daya komputasi domestik; biaya inferensi turun 70% dibandingkan dengan solusi GPU dengan skala yang sama.
Titik balik industrialisasi model dunia, mungkin datang lebih awal dari yang semua orang perkirakan.
Masalah Real-time yang Menjadi Hambatan Seluruh Industri
Ditembus oleh Tim China
Jika Anda pernah mencoba model dunia utama saat ini, kemungkinan besar akan merasakan hal yang sama:
- Bisa dilihat, tapi tidak bisa dimainkan.
- Robot membutuhkan pengambilan keputusan real-time.
- Game membutuhkan umpan balik real-time.
- Dunia digital membutuhkan simulasi real-time.
Penelitian sebelumnya menunjukkan bahwa jika frame rate di bawah 30FPS, semua rasa imersi akan hancur.
Inilah mengapa dalam waktu yang lama, model dunia selalu terjebak di laboratorium dan sulit benar-benar masuk ke skenario industri.
Real-time, pernah menjadi jurang terakhir yang menghalangi jalan komersialisasi model dunia.
Sekarang, jurang ini berhasil ditembus oleh sebuah tim dari China.
50FPS!
Model Dunia Pertama Kali Benar-benar Masuk Era Real-time
Laporan teknis telah dirilis, berat model dan kode akan segera diopen-source, dan layanan akan diberikan kepada publik berdasarkan supernode NPU domestik.
Laporan Teknis: https://moxin-tech.github.io/moworld/
Moxin Technology pertama kali mengusulkan konsep Flash World Model, MoWorld adalah "Flash World Model" pertama di industri yang mencapai inferensi >50FPS, sekaligus model dunia interaktif real-time berbiaya rendah pertama yang seluruhnya dibangun berdasarkan NPU domestik.
MoWorld untuk pertama kalinya mencapai siklus tertutup lengkap dari pelatihan, distilasi hingga deployment inferensi real-time di platform daya komputasi domestik sepenuhnya, sementara biaya dalam konfigurasi inferensi tipikal turun 70% dibandingkan dengan solusi GPU dengan skala yang sama.
Saat Semua Orang Menumpuk GPU
Mereka Memilih Jalan Lain yang Sulit tapi Benar
MoWorld dari awal, tidak dibangun di sekitar GPU, melainkan memilih jalur yang lebih sulit dan lebih sedikit dicoba — NPU domestik sepenuhnya.
Ini berarti, itu bukan sekadar memindahkan model ke chip domestik untuk inferensi, tetapi setiap tahap dari data, pelatihan, distilasi hingga deployment inferensi dirancang ulang berdasarkan NPU domestik.
Pertama, adalah data.
Dibandingkan model generasi video, model dunia tidak hanya membutuhkan video dan teks, tetapi juga informasi seperti lintasan kamera. Video internet jauh tidak memenuhi kebutuhan pelatihan.
Untuk itu, MoWorld membangun satu set sistem produksi dan tata kelola data yang lengkap, dan meng-upgrade-nya menjadi mesin data yang melayani model dunia.
Berdasarkan akumulasi teknis tim Moxin selama bertahun-tahun dalam pemodelan 3D/4D, pipeline data di balik MoWorld adalah pipeline yang sepenuhnya dikumpulkan sendiri dan sepenuhnya beranotasi 3D, tidak hanya meng-annotasi kamera, tetapi juga ukuran geometri dan struktur spasial objek. Informasi ini membangun basis data MoWorld yang kokoh.
Dan tantangan yang lebih sulit, terjadi pada tahap pelatihan dan inferensi.
Menyesuaikan karakteristik perangkat keras NPU domestik, MoWorld mendesain ulang sistem pelatihan, memperkenalkan teknologi seperti parallelisme perhatian ultra-padat, parallelisme token urutan panjang, dll., yang secara signifikan meredakan tekanan memori yang disebabkan oleh pelatihan video ultra-panjang, membuat model dunia untuk pertama kalinya memiliki kemampuan pelatihan dan inferensi panjang 2000 frame.
Dan pada tahap inferensi, tim terus mengoptimalkan tingkat sistem untuk NPU domestik, seperti eksekusi pipeline, parallelisme urutan hierarkis, kuantisasi presisi campuran dinamis, dan serangkaian optimasi lainnya.
Akhirnya, model dunia MoE dengan parameter 14B, di platform Huawei Ascend 910C CloudMatrix384 NPU mencapai kecepatan inferensi real-time melebihi 50FPS secara ekstrem.
Yang lebih penting, dalam konfigurasi inferensi tipikal, biaya inferensi turun 70% dibandingkan dengan solusi GPU dengan skala yang sama.
Bagi seluruh industri, ini bukan hanya jalur rekayasa baru, tetapi juga cara berpikir industrialisasi baru.
Pintu Termahal Model Dunia, Telah Didorong Terbuka
Selama ini, perkembangan model dunia selalu ada kontradiksi.
Model semakin kuat.
Biaya juga semakin tinggi.
Dulu, mendeploy model dunia berarti investasi GPU yang tinggi, pemeliharaan kluster yang rumit, dan biaya deployment yang sulit direplikasi.
Sekarang, kemampuan model dunia yang sama dapat dijalankan di platform daya komputasi domestik yang lebih menguntungkan secara biaya.
Ini tidak hanya mengubah cara model berjalan, tetapi juga mengubah jalan model dunia menuju industrialisasi.
Bagi perusahaan, ini berarti ambang batas deployment yang lebih rendah, verifikasi aplikasi yang lebih cepat, dan replikasi skala besar yang lebih mudah.
Bagi seluruh industri, ini berarti model dunia mulai beralih dari "bisa dibuat" ke "bisa digunakan", lalu ke "terjangkau".
Apa yang benar-benar mendorong suatu teknologi mengubah industri, bukanlah rekor tertinggi di laboratorium.
Tapi adalah pertama kalinya, membuat lebih banyak orang benar-benar bisa menggunakannya.
Model Dunia Keluar dari Laboratorium
Industri Mana yang Akan Menghadapi Perubahan
Beberapa tahun terakhir, model dunia selalu dianggap sebagai teknologi masa depan.
Tapi masa depan, akhirnya harus kembali ke kenyataan.
Ketika interaksi real-time menjadi mungkin, ketika biaya deployment mulai turun, nilai sebenarnya dari model dunia, baru saja mulai dilepaskan.
Yang akan berubah pertama, adalah industri yang paling bergantung pada pemahaman dunia nyata dan umpan balik real-time.
Game & Hiburan Interaktif: Interaksi Real-time, Eksplorasi Bebas
MoWorld mendukung kontrol kamera 6 derajat kebebasan penuh, pengguna dapat melalui W/A/S/D dan mouse mencapai pengalaman jelajah imersif tingkat film dan game.
Skenario nyata, HD, mendukung resolusi 1080P dan di atasnya. Baik pemandangan alam, anime, maupun game animasi, semuanya didukung.
Kecerdasan Berwujud & Mengemudi Otonom: Pelatihan Virtual, Verifikasi Nyata
Model dunia telah menjadi jembatan penting yang menghubungkan AI generatif dan kecerdasan berwujud.
MoWorld dapat menyediakan "lapangan latihan digital" berbiaya rendah dan tinggi realisme untuk robot, sistem mengemudi otonom, adalah simulator dunia paling potensial yang menggabungkan nilai simulasi dan nilai ekonomi untuk industri, dapat menyediakan lingkungan yang banyak dan presisi tinggi untuk semua tim mengemudi cerdas, membuat AI belajar berinteraksi dengan lingkungan fisik nyata di dunia virtual.
Kreasi Film: Penyutradaraan Gerakan Kamera, Pra-tinjau Real-time
Storyboard film tradisional membutuhkan siklus rendering yang panjang.
MoWorld memungkinkan kreator bebas menyesuaikan sudut pandang di dunia virtual yang dihasilkan, melihat pratinjau efek gambar secara real-time, mengedit gambar lensa secara presisi, kontrol lensa halus, mendukung gerakan kamera tingkat sutradara yang melampaui imajinasi.
Digital Twin & Rekonstruksi 3D: Rekonstruksi Spasial, Restorasi Presisi
Video yang dihasilkan MoWorld memiliki konsistensi geometri yang melampaui industri, dapat langsung digunakan untuk rekonstruksi 3D skenario dalam ruangan — presisi tinggi, struktur stabil, konsistensi spasial yang baik adalah efek signifikan MoWorld yang membedakannya dari rekan-rekan sejenis.
Ini menyediakan solusi yang menggabungkan presisi tinggi dan rasio biaya-manfaat untuk skenario seperti digital twin, visualisasi arsitektur, pameran virtual, game imersif, dll.
Model Dunia yang Diwakili oleh MoWorld
Saat Ini Berdiri di Momen DeepSeek AI Fisik
Beberapa tahun terakhir, AI menyelesaikan lompatan berturut-turut dari generasi teks, generasi gambar ke generasi video, setiap kali lompatan teknologi melahirkan sejumlah pemimpin industri baru.
Dan ketika AI mulai menuju model dunia interaktif real-time, jendela baru sedang terbuka.
Dibandingkan model bahasa besar dan model generasi video yang perlahan membentuk pola persaingan, model dunia masih berada di tahap awal industri, secara global sedang mengeksplorasi jalur implementasi rekayasa, standar industri jauh dari terbentuk.
Ini berarti, model dunia domestik mendapat kesempatan langka "garis start yang sama" — tidak hanya berpeluang berpartisipasi dalam persaingan, tetapi juga berpeluang ikut mendefinisikan standar teknis kecerdasan spasial generasi berikutnya.
Makna MoWorld, tidak hanya terletak pada pencapaian interaksi real-time lebih dari 50FPS, juga tidak hanya pada penurunan biaya inferensi 70% dibandingkan solusi GPU dengan skala yang sama.
Yang lebih penting, ini membuktikan masalah yang sebelumnya selalu dieksplorasi industri, tetapi tidak pernah terverifikasi:
Daya komputasi domestik sepenuhnya, juga mampu mendukung model dunia menuju interaksi real-time dan deployment industri.
Ini berarti, persaingan model dunia, sedang beralih dari "siapa yang memiliki model lebih besar", ke "siapa yang benar-benar bisa masuk ke dunia nyata".
Moxin Technology di balik MoWorld, dengan kemampuan model unik dan kemajuan industrialisasi yang menonjol, baru-baru ini menerima pendanaan lebih dari satu miliar dolar AS dari modal cadangan strategis nasional, lembaga dolar AS terkenal Timur Tengah, dana pasar terkemuka, serta lebih dari sepuluh modal industri; sebelumnya, Moxin Technology telah menerima investasi dari Hubble Investment di bawah Huawei dan dana di bawah Legend Holdings.
Era yang benar-benar milik model dunia, dimulai dari Flash World Model, akan melangkah maju dengan cepat.
Artikel ini berasal dari akun WeChat publik "Xin Zhi Yuan", penulis: ASI Qishi Lu
