AI新战场！阿里入局、腾讯开源、群核上市，世界模型迎来ChatGPT时刻了吗？

　　中国AI产业接连上演三场重磅戏码。

　　上周4月16日至17日，短短48小时内， $阿里巴巴 (BABA.US)$ / $阿里巴巴-W (09988.HK)$ 阿里云发布世界模型HappyOyster（快乐生蚝）， $腾讯控股 (00700.HK)$ 同日开源混元3D世界模型2.0，而专注空间智能的 $群核科技 (00068.HK)$ 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？

　　$群核科技 (00068.HK)$ 上周五上市首日大涨144%后今日再度暴涨，盘中一度涨超60%，现涨近58%； $腾讯控股 (00700.HK)$ 涨近3%， $阿里巴巴-W (09988.HK)$ 涨超1%。

　　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。

　　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，笔者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。

　　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蓦然退场。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。

（文章来源：钛媒体）

(责任编辑：17)