上周 4 月 16 日至 17 日，短短 48 小时内，阿里云发布世界模型 HappyOyster（快乐生蚊），腾讯同日开源混元 3D 世界模型 2.0，而专注空间智能的群核科技则于次日登陆港交所，成为 " 全球空间智能第一股 "。这或许并非巧合，他们正在释放一个清晰信号：世界模型赛道正从技术探索迈向商业化临界点。
当 Google DeepMind 在 2025 年 8 月发布 Genie 3 时，行业还在讨论 " 什么是世界模型 "；八个月后的今天，中国厂商已用集体行动给出答案：这是一场关乎 AI 未来十年走向的基础设施之争。
据笔者统计，截至 2026 年 4 月，全球已有至少 12 家主要玩家布局世界模型 / 模拟器赛道，包括 Google、OpenAI、Meta、NVIDIA 等巨头，以及群核科技、Runway 等垂直领域创新企业。其中，群核科技 IPO 超额认购 530 倍、上市首日涨 144%、市值超 300 亿港元的资本热情，与阿里、腾讯的战略级投入形成呼应。
一个关键问题浮出水面：世界模型会不会成为继 ChatGPT 之后的下一个现象级突破？
48 小时三大事件：从技术发布到资本验证
2026 年 4 月 16 日，阿里云 ATH 创新事业部（Token Hub）正式发布世界模型 HappyOyster。这款产品被定位为 " 世界模拟器 " 而非单纯的视频生成工具，核心功能包括漫游模式（支持 1 分钟连续实时位移）和导演模式（支持 3 分钟以上 480p/720p 画面）。
HappyOyster 采用原生多模态 + 长时序建模技术路线，与谷歌 Genie 3 同属 " 生成式视频派 "，但在交互时长上实现突破。值得注意的是，此时距离阿里云在 2026 年 3 月财报会上宣布 " 五年内云 +AI 收入超 1000 亿美元 " 目标仅过去不到一个月。
财报数据显示，阿里云 2026 财年 Q3 收入同比增长 36%，AI 相关产品收入连续 10 个季度保持三位数增长。HappyOyster 的发布，既是技术实力的展示，更是阿里 AI 战略从 " 大模型军备赛 " 转向 " 世界模型基础设施 " 的关键落子。
同样在 4 月 16 日，腾讯混元团队宣布开源 Hunyuan3D 2.0（HY-World 2.0）。与阿里的闭源策略不同，腾讯选择将这款 3D 世界模型完全开源，并支持与 Unity 等游戏引擎无缝对接。
HY-World 2.0 的核心差异化在于 " 可导出性 " ——生成的 3D 资产文件（Mesh/3DGS/ 点云）可直接用于二次编辑，而非仅能观看的视频。这一设计直指游戏开发、影视预演等 B 端场景的工程化需求。
腾讯的开源策略并非偶然。早在 2024 年，腾讯就通过开源混元系列大模型积累了开发者生态。此次 HY-World 2.0 的开源，意在抢占 " 空间智能基础设施 " 的生态位，与阿里形成差异化竞争。
2026 年 4 月 17 日，群核科技（Manycore Tech，股票代码 0068.HK）在港交所挂牌上市。招股书显示，公司 2025 年实现营收 8.2 亿元，毛利率高达 82.2%，经调整净利润 5710 万元，成功实现从亏损到盈利的跨越。
与其他玩家的 " 烧钱研发 " 模式不同，群核科技的独特之处在于已验证的商业闭环。公司围绕空间智能构建了 " 空间编辑工具 - 空间数据 - 空间大模型 " 的业务飞轮，核心产品包括 SpatialLM、SpatialGen、SpatialVerse 等。
据群核科技创始人兼 CEO 黄晓煤在上市后交流中表示：" 我们用了 15 年时间积累了全球最大的物理正确空间数据集，这是短期无法复制的护城河。"
IPO 阶段，群核科技引入泰康人寿、阳光人寿、广发基金、Redwood、Mirae Asset 等全明星基石阵容，合计认资 4.55 亿港元。香港公开发售获 1591 倍认购，国际发售获 14.46 倍认购，上市首日收盘价 18.6 港元，涨 144%，总市值超 300 亿港元。
这三起事件的集中爆发，标志着中国厂商在世界模型赛道已从 " 跟随者 " 转变为 " 定义者 "。阿里、腾讯、群核分别代表了三种不同的战略路径：阿里的 " 云 + 模型 " 一体化、腾讯的 " 开源生态 " 卡位、群核的 " 垂直盈利 " 验证。这种多元化的竞争格局，为全球世界模型的发展提供了中国样本。
三大流派与 12大玩家
随着 " 世界模型 " 概念迅速走红，一个尴尬的现实是：不同玩家口中的 " 世界模型 "，可能根本不是同一回事。正如研究员 Chris Paxton 所言，这个术语 " 相当模糊 "。基于对 12 家主要玩家的技术路线梳理，逼着发现当前世界模型领域已形成三大主流流派，分别由不同的 AI 领袖押注，且暂无收敛趋势。
首先是生成式视频派（" 世界即视频 "），代表玩家包括 Google Genie 3、OpenAI Sora、阿里 HappyOyster、Runway GWM-1。这一流派的核心理念是通过视频生成技术模拟世界演化，认为 " 能够生成逼真视频就意味着理解了物理规律 "。
其技术特点是采用 Diffusion Transformer 或 AR-Transformer 架构，强调时序连贯性和画面质量，追求长时长生成（1 分钟以上）。Google Genie 3 作为该流派标杆，支持实时交互、每秒 24 帧生成、完全交互式 3D 宇宙。阿里 HappyOyster 则在交互时长上实现突破，漫游模式支持 1 分钟连续实时位移，导演模式支持 3 分钟以上画面。
优势在于直观、易理解，直接面向内容创作场景，商业化路径清晰。但短板同样明显：对物理规律的理解停留在表象，难以支撑机器人训练等硬核场景。
其次是抽象预测派（" 世界即因果 "），代表玩家为 Meta V-JEPA 2（Yann LeCun 主导）。其核心理念是反对像素级重建，主张学习世界的抽象表征和因果逻辑，认为 " 真正的世界模型应该是预测未来的抽象大脑 "。
Meta 首席 AI 科学家 Yann LeCun 是这一路线的最坚定拥护者。V-JEPA 2 采用 JEPA（联合嵌入预测架构），在 latent space 进行预测而非像素空间，强调因果推理和可解释性。据公开测试数据，V-JEPA 2 的运行速度是英伟达 Cosmos 的 30 倍。
优势在于更接近人类认知方式，适合决策规划任务，算力需求相对较低。但劣势同样突出：缺乏直观输出，难以直接应用于内容创作，商业化场景有限。LeCun 本人曾多次公开质疑像素级预测路线，认为那是 " 低效的表面功夫 "。
最后是空间智能派（" 世界即 3D"），代表玩家包括斯坦福 World Labs、腾讯 HY-World 2.0、NVIDIA Omniverse、群核科技。其核心理念是真正的世界模型必须理解三维空间和物体关系，能够生成可编辑、可导出的 3D 资产而非仅视频。
这一流派采用 3DGS、NeRF 等技术，输出可二次编辑的 3D 模型文件，强调几何稳定性和空间一致性，并与现有游戏 / 机器人工作流无缝对接。腾讯 HY-World 2.0 的核心差异化正是 " 可导出性 " ——生成的 3D 资产文件可直接用于游戏开发。
群核科技则更进一步，拥有全球最大的空间数据集（15 年积累），推出 SpatialLM 空间语言模型和 SpatialGen 空间生成模型，并开放 Aholo 空间智能开放平台。优势在于可直接用于游戏开发、机器人仿真，工程化落地最快。
劣势在于实时交互性受限，计算复杂度高，难以实现超长时序推演。
基于技术指标、产品成熟度、商业化进展三个维度，全球 12 家主要玩家可划分为三个梯队。
第一梯队（产品化领先）包括 Google Genie 3、阿里 HappyOyster、腾讯 HY-World 2.0、群核科技，共同特征是已发布可用产品，技术指标明确，具备实时交互能力，且有清晰的场景定位。其中，群核科技是唯一实现盈利的空间智能企业，2025 年营收 8.2 亿元，毛利率 82.2%。
第二梯队（技术独特但场景有限）包括 Meta V-JEPA 2、Tesla FSD、NVIDIA Omniverse，技术路线独特但聚焦特定垂直场景，不直接面向大众消费者。
第三梯队（早期探索）包括百度文心、字节豆包、Runway GWM-1、斯坦福 World Labs、OpenAI Sora，仍在技术验证阶段，商业化路径不清晰。具体对比详见下图。
在全球世界模型竞赛中，中美两国呈现出明显的差异化优势。美国的优势在于基础研究、算力垄断和数据资源。LeCun 的 JEPA 架构、DeepMind 的 AR-Transformer 等底层创新均来自美国实验室。NVIDIA GPU 和谷歌 TPU 的算力垄断，以及 YouTube 视频库、Instagram 图像库的数据优势，构成了美国玩家的天然护城河。
中国的优势则体现在工程化能力、应用场景和资本化进程。阿里、腾讯能够在 Google Genie 3 发布八个月后迅速推出对标产品，体现了强大的工程优化能力。游戏、影视、文旅等消费市场的巨大需求，为技术落地提供了丰富场景。而群核科技的上市，则标志着中国在空间智能赛道率先完成资本化布局。
但一个不容忽视的现实是：底层架构创新目前仍由美国主导，中国厂商更多是快速跟进和工程优化。HappyOyster 与 Genie 3 同属 " 生成式视频派 "，HY-World 2.0 的技术路线也与 World Labs Marble 高度相似。这种 " 跟随式创新 " 能否在长期竞争中胜出，仍需时间验证。
尽管技术层面百花齐放，但世界模型的商业化之路仍面临多重挑战。首要问题是推理成本。实时交互意味着更高的算力消耗，Genie 3 和 HappyOyster 均支持每秒 24 帧生成，但这背后的 GPU 成本如何消化？To B 场景中，哪些企业愿意为这项新技术买单？To C 场景中，普通用户为什么需要世界模型？
群核科技提供了一个可行样本。公司聚焦家装设计等垂直场景，通过 SaaS+API 服务模式实现盈利。2025 年 8.2 亿元营收、82.2% 毛利率、5710 万元净利润的数据，证明空间智能在特定场景下具备商业可行性。但这一模式能否扩展至通用世界模型，仍是未知数。
另一个关键变量是开源 vs 闭源的战略选择。Meta V-JEPA 2、腾讯 HY-World 2.0 选择开源，意在建立生态标准、吸引开发者；Google Genie 3、阿里 HappyOyster 选择闭源，意在保护核心技术、构建商业壁垒。
短期来看，闭源有助于保护投资回报；长期来看，开源方案可能凭借生态优势实现超越。此外，地缘政治风险也不容忽视。高端 GPU 出口管制对中国厂商的影响，数据跨境流动限制，技术标准分裂（中美各自主导的生态体系），都可能成为世界模型全球化发展的阻碍。
对于中国厂商而言，如何在有限的算力资源下优化模型效率，如何利用本土数据优势构建差异化壁垒，将是未来竞争的关键。
三种情景与终极逻辑：谁是下一站的基础设施
回到最初的问题：世界模型会不会是继 ChatGPT 之后的下一个现象级突破？基于当前技术进展和产业动态，钛媒体对世界模型的未来发展做出三种情景化推演。
乐观情景（概率 30%）：2028 年出现杀手级应用。假设技术瓶颈在 2-3 年内突破，长时序一致性和物理精度达到实用水平。某个垂直场景率先爆发，出现千万级用户的 killer app。头部玩家确立行业地位，世界模型成为 AI 基础设施，与具身智能、机器人产业深度融合。
2030 年后，世界模型可能真正成为 AGI 的 " 底层操作系统 "。
中性情景（概率 50%）：场景分化，长期共存。技术路线收敛至 2-3 种主流方案，但不同流派服务不同场景。生成式视频派主导内容创作，空间智能派主导游戏 / 机器人，抽象预测派主导决策规划。10+ 玩家淘汰至 3-5 家，但无明显赢家通吃。世界模型成为 AI 工具箱中的重要组件，而非替代 LLM 的下一代基础模型。
悲观情景（概率 20%）：泡沫破裂，回归理性。技术瓶颈长期无法突破，商业化进展缓慢。大部分玩家因资金压力退出，仅剩 Google、Meta 等巨头维持研发。" 世界模型 " 概念被证伪或重新定义，行业回归到更务实的 " 视频生成 +3D 建模 + 强化学习 " 组合方案。AGI 路径转向其他技术路线。
透过 48 小时三大事件的喧嚣，钛媒体观察到一个深层趋势：世界模型的终极竞争不是技术竞赛，而是生态竞赛。
Google 凭借 DeepMind 技术积累和 TPU 算力垄断，构建的是 " 技术 + 算力 " 双壁垒；阿里依托阿里云和企业客户资源，走的是 " 云 + 模型 " 一体化路径；腾讯通过开源策略，意在吸引开发者、建立游戏 / 影视生态；群核科技则用 15 年数据积累和盈利验证，卡位空间智能基础设施。
每一种策略都有其合理性，但最终胜出的，一定是能够构建最完整生态的那一家。这不仅需要技术领先，更需要场景落地、开发者支持、资本助力、政策友好的多维协同。
对于中国厂商而言，短期内的工程优化可以快速缩小差距，但长期来看，必须在底层架构创新上有所突破。否则，即便赢得某一轮产品竞赛，也难以在 AGI 时代的生态格局中占据主导地位。
2026 年 4 月的这 48 小时，或许会被后世视为 AI 发展的一个关键节点。阿里、腾讯、群核的集体行动，标志着世界模型从 " 实验室玩具 " 迈向 " 产业基础设施 "。但真正的 ChatGPT 时刻何时到来，取决于技术突破的速度，更取决于生态建设的深度。
在未来 2-3 年的窗口期内，我们或将见证第一批标杆案例的出现，也可能目睹部分玩家的黣然退场。唯一确定的是：谁掌控了空间，谁就能掌控物理 AI 的未来。而这一次，中国企业已经抢先站在了赛道最前方。（本文首发钛媒体 APP，文 | DeepWrite 秦报局，作者｜赵虹宇 ）
