中国版Cosmos、再び成果を提示
わずか3か月半の間に企業評価額が40億元から100億元近くまで急騰し、「中国版Cosmos」を目指すと公言した浙江大学の00年代生まれ(Z世代)の博士課程学生、**陳天潤(Chen Tianrun)**氏が、再び新たな成果を世に送り出しました。
11月4日、烏鎮(Wuzhen)で開催された世界インターネット大会(WIC)にて、同氏が立ち上げた**魔芯科技(Moxin Technology)は、新世代の汎用4D世界モデル「MoWorld 2.0」**を正式に発表しました。

MoWorld 2.0は、前世代の空間生成およびリアルタイムインタラクション能力を基盤とし、物理法則に対するモデリング能力を一段と強化しています。
本モデルは、重力、弾性、浮力、ライティング、軟体、流体、剛体、変形体、熱力学など、10種類以上の物理要素を一体化して統合しています。
開発チームによると、これらの物理要素とその相互作用メカニズムを深層学習することで、本世界モデルは物体の運動や衝突プロセス、環境の動的変化をより正確にシミュレーションでき、物理シミュレーションをはじめとするダウンストリームタスクに強固な基盤を提供できるとのことです。
例えば以下のデモでは、MoWorld 2.0はしおりが落下する動的映像を生成するだけでなく、しおりが他の物体と接触して力を受ける全プロセス、さらには最終的な落下やバウンドの軌道までも高精度にシミュレーションしています。

水のような流体媒体をシミュレーションする際にも、外力による撹乱を受けた形態の流れや変化を繊細に再現します。

従来の世界モデルの多くは、画像やテキストプロンプトに基づいて次のフレームを予測する枠組みにとどまっていました。これに対し、MoWorld 2.0は大きな一歩を踏み出しました。「物体の材質特性」「外力の作用」「各要素間の相互作用」を連携させ、仮想物理世界における推論の展開を決定づけるようにしたのです。
さらに、実環境におけるスムーズなリアルタイムインタラクションを担保するため、チームはHuawei Ascend NPU向けに低レイヤーの実行効率を徹底的に最適化。リアルタイム動画推論フレームレートを、前世代の最大50 FPSから70 FPSへと大幅に引き上げました。
高精度なシミュレーションと低計算コストの両立を、魔芯科技はいかにして実現したのでしょうか。
複数の物理要素を単一モデルに統合
「本をめくる」という日常的な動作を例に考えてみましょう。
そよ風が吹く方向と風の強さによって、ページのどの部分がめくれ上がり、どのような円弧を描いて裏返るかが決まります。そして紙本来のしなやかさや厚みが、力を受けて変形した際の曲がり具合を左右します。複数の物理的条件が幾重にも交錯することで、初めて人間の目に見える「ページをめくる」一連のプロセスが成り立ちます。

世界モデルがこの物理的な挙動を忠実に再現するには、複数の物理変数を同時に解析し、「物体と環境」の動的インタラクションを計算する能力を備えている必要があります。
このように複雑な物理環境を包括的に理解しシミュレーションするというアプローチこそが、MoWorld 2.0の真髄です。
開発チームによれば、トレーニング過程においてモデルは重力、弾性、軟体、流体といった独立した要素の作用メカニズムを習得するだけでなく、複数の要素が複合的に作用した際の物体の変形や運動法則をも推論できるよう学習する必要がありました。
具体的なエンジニアリング実装として、チームは主に以下の2つのブレイクスルーを達成しました。
- 物理ガウシアンレンダラーの構築:多様な物理要素の相互作用計算と高忠実度レンダリングをサポート。
- MoE(Mixture of Experts)予測アーキテクチャの導入:物理情報、ピクセルストリーム、ガウシアン3D表現を分離(デカップリング)し、協調的に予測。
この設計により、モデルは異なる環境制約下における微細な物理的挙動を高精度に推論でき、下流の物理シミュレーションタスクを全面的に支援することが可能になりました。
物理モデリングの性能に加え、MoWorld 2.0のもうひとつの大きな強みは「アセット化能力」にあります。生成されたシーンはすべて構造化された3D/4Dガウシアンアセットとして出力でき、長期保存、二次編集、再レンダリング、マルチプラットフォームでの再利用に対応しています。
ガウシアンアセットという概念は一見抽象的ですが、本質的には3D空間の属性を網羅的に記録したデータセットと捉えることができます。シーン内の物体や環境は、位置座標、幾何学的輪郭、表面テクスチャ属性を備えた膨大な数の3Dガウシアン(Gaussian)によって表現されます。
グラフィックスシステムはこのデータをもとに、任意の視点から瞬時にシーンを再構築してレンダリングできます。さらに4Dアセットでは時間軸が追加され、3D空間の経時的な動的推移が記録されます。
これにより、モデルが出力する成果物はインタラクション不可能な「使い捨てのオフライン動画」ではなく、編集・レンダリング・再利用が可能なエンジニアリンググレードのアセットへと昇華されます。主要なゲームエンジン、映像ポストプロダクションパイプライン、Embodied AI(具身知能)ロボットの物理シミュレーションプラットフォームへもシームレスにインポート可能です。
公式デモでは、MoWorld 2.0が古代の絵画1枚から、自由に散策できる3Dの市街地を直接再構築してみせました。絵画に描かれた建造物、店舗、路地、行き交う人々や船が、すべて編集可能でインタラクティブな実体アセットへと変換されます。ユーザーは街並みに足を踏み入れて自由に移動できるだけでなく、視点を自在に切り替えて人物や物体の動きを間近で観察することもできます。
映像制作やゲーム開発チームにとっては、同一のシーンアセットを使いながらカメラワークの柔軟な調整、天候や環境の変更、動的オブジェクトの配置が可能になり、プリビズ(絵コンテの事前映像化)やシーン構築のコストを大幅に削減できます。
自動運転やロボット開発チームにとっては、同じデジタルツイン環境内に障害物、悪路、異常気象をランダムに配置し、エージェントの認識・意思決定アルゴリズムを高速にテスト・反復できます。現実世界では再現頻度の低い猛吹雪、路面陥没、突発的な障害物などもオンデマンドで生成し、低コストで仮想トレーニング環境へ組み込むことが可能です。
しかし、こうした先端シナリオにおいて低遅延なインタラクションと大規模な定常トレーニングを実現するには、モデル基盤の実行速度と推論計算コストが極めて重要なボトルネックとなります。
70 FPSを支える「チップとモデルの協調」
先述した「70 FPS」とは、モデルがインタラクティブな映像をリアルタイム生成する際のフレームレート指標を指します。この数値は、ユーザーがカメラを移動させたり環境変化をトリガーした際のレスポンスの滑らかさに直結し、高フレームレートゲームに匹敵する体験を提供します。
MoWorld 2.0のリリースに先立ち、魔芯科技はHuaweiのチームと約1年間にわたり国産NPUのフルスタック・ハード/ソフト適合における協調を進め、MoWorld 1.0の段階で約50 FPSのリアルタイム動画推論を実現していました。
そして今回の最新エンジニアリング再構築により、推論速度はさらに約70 FPSまで向上し、前世代と比較して性能が約40%向上しました。
魔芯科技はインタビューの中で、今回の性能向上の核となる仕組みは「タスクレベルのデカップリング」と「クロスNPU並列スケジューリング」にあると明かしています。
具体的には、Ascendの低レイヤーオペレーター(算子)とヘテロジニアス並列スケジューリングツールチェーンを活用し、シーンデコードやバックボーンネットワーク生成といった高負荷な計算タスクを高精度に分割。複数のNPUへ分散して並行実行させるとともに、マルチカード協調トポロジーを徹底的に最適化することで、VRAMデータの冗長な転送や不要な待機時間を極限まで抑制しました。
これに加え、開発チームはスパースアテンション機構を全面的に再構築し、混合精度量子化と生成オペレーターの融合技術を組み合わせることで、モデルのエンドツーエンドのトレーニングおよび推論効率を大幅に引き上げました。
計算速度の向上だけでなく、デプロイコストの削減も目を見張るものがあります。
公式データによると、AscendアーキテクチャにおけるMoWorld 2.0の**最小推論コストは、同等規模のGPUソリューションのわずか30%**に抑えられています。ハイスループットな仮想シミュレーション環境を継続的に生成する必要がある研究機関や産業界のクライアントにとって、これは同じハードウェア予算で何倍ものシーンの複雑度や試行錯誤のサンプル数をカバーできることを意味します。
端末デバイスへの最適化に関しても、MoWorld 2.0はすでにモバイル機器への展開に成功しています。
先日のHuawei新製品発表会で披露された**「摸小宠(ペットふれあい機能)」**は、MoWorld 2.0技術を応用した実用例のひとつです。ユーザーは数枚のペットの写真をアップロードするだけで、端末上でリアルタイムにペットの4Dデジタルツインを生成し、マルチアングルでの観察やタッチ操作によるインタラクションを楽しめます。
このクラウド・エッジ協調ソリューションの役割分担は非常に明確です。高精度な4Dガウシアンアセットの再構築・生成はクラウド側で実行。約6億パラメータのエッジ側軽量化モデルはAscendの計算基盤上でトレーニング・決定された後、Kirinチップを搭載したスマートフォン端末へ蒸留デプロイされます。そしてレンダリングパイプラインとリアルタイムのジェスチャーインタラクションは、完全にモバイル端末のローカル環境内で完結します。
さらに、この3D/4Dガウシアンアセットレンダリングエンジンの限界フレームレートは500 FPSに達し、スマートフォン端末での実測レンダリングフレームレートも約100 FPSで安定して動作します。
全体的な技術ロードマップを見渡すと、Ascendプラットフォームによる大規模クラスタトレーニングから、Kirinプラットフォームによるエッジ側の低消費電力推論、そしてモバイルスマート端末上でのミリ秒単位のレンダリングやインタラクションに至るまで、MoWorld 2.0のライフサイクル全体を国産の自社開発ハード・ソフト基盤が一貫して支えており、「チップとモデルの高度な協調」による実用的なエコシステムが確立されています。
世界的なAI業界の動向を見ても、世界モデルは概念の議論段階を脱し、主流のマルチモーダルや言語モデルと肩を並べる新世代の汎用AI基盤へと急速に変貌を遂げつつあります。
このパラダイムシフトを受け、魔芯科技も自社の技術主軸を明確に定めています。国産の自律的計算基盤を固め、高精度な物理表現モデリングと徹底した軽量化デプロイを並行して推進していく方針です。
1台の3Dプリンタから「中国版Cosmos」へ
MoWorldの技術的進化を振り返る上で、親会社である魔芯科技の歩みは切り離せません。
魔芯科技は2021年、当時浙江大学の大学3年生だった陳天潤氏によって設立されました。設立初期のコアビジネスはコンシューマー向け3Dプリンタ機器でした。
コンシューマー向けハードウェアから世界モデルへの転換という戦略的転換点は、2024年末に訪れました。
業界の公開情報によると、研究開発チームは実験の中で、3D物体再構築に使用されるネットワークモデルが単一の物体を解析できるだけでなく、3D空間全体の構造を推論する汎化ポテンシャルを秘めていることを発見しました。さらに、マルチモーダル入力の規模が拡大するにつれて、空間再構築の精度と幾何学的一貫性が驚くべき自己強化傾向を示すことが確認されたのです。
陳天潤氏は即座にこのモデリングフレームワークを世界モデルの基盤アーキテクチャへと全面的に昇格させる決断を下し、同社の戦略的重心は正式に空間知能(Spatial Intelligence)領域へとシフトしました。
技術的なピボットを果たした後も、チームは既存の3Dプリント事業を完全に切り離すことはせず、映画のVFXや文化観光のデジタル化プロジェクトを通じてモデルの生成限界を検証し続け、健全なキャッシュフローの維持に役立てました。ハードウェアとソフトウェア双方の開発を手がけたコンシューマーエレクトロニクス分野での起業経験は、技術革新を進めるチームに対して、エンジニアリング開発、BOMコスト、納品品質、立ち上げサイクルに対する高い感度を常に維持させる原動力となりました。
この技術パスに沿って、魔芯科技は2025年12月にプロトタイプシステム「KOKONI-World」を発表。2026年7月には「MoWorld 1.0」を正式リリースし、今回の11月に「MoWorld 2.0」のアップデートを果たすに至りました。
同社の組織規模も急拡大を遂げており、わずか半年ほどの間に初期の50〜60人規模から200人を超える体制へと急速に成長しています。
産業資本やエコシステム構築の観点において、チームは計算リソースの供給、ハードウェアエコシステム、流通チャネル、垂直統合の産業シナリオを、パートナー選定の中核要素として戦略的に位置づけています。魔芯科技は年内に5ラウンド連続の資金調達を完了し、累計調達額は20億人民元に到達。企業評価額は100億元近くに達し、正式にユニコーン企業の仲間入りを果たしました。
NVIDIA Cosmosをベンチマークとする「中国版Cosmos」のビジョンについて、陳天潤氏は中国国内の大手自動車メーカーをはじめとするコアクライアントとの産業的協調の価値を強調し、魔芯のコアコンピタンスを次の3本の柱に要約しています。「国産自律計算基盤への深い適応」「エッジ・クラウド間のシームレスなデプロイアーキテクチャ」「コンシューマー向けハード開発で培われた圧倒的なエンジニアリング実装力」です。
同社が掲げる長期的なビジョンは、NVIDIA Cosmosのように物理世界を対象とした基盤モデルシステムを構築し、スマートカーやEmbodied AIロボットといった産業向けの実体ビジネスパイプラインに真に組み込まれる存在となることです。
特筆すべき点として、今回のMoWorld 2.0共同発表のパートナーには、Embodied AI、文化観光、地理空間情報に特化した3つの国家級AIアプリケーションパイロット実証拠点(パイロットテスト基地)が含まれています。公表された計画によると、今後は物理シミュレーションインタラクションおよびロボットポリシー学習、文化的デジタル資産のアセット化開発、高精度3Dデータ生成や超大規模シーンのニューラル再構築などのコア領域において、全面的な連携を展開していく予定です。
MoWorld 2.0のブレイクスルーは、業界全体に対して示唆に富む問いを投げかけています。
もしAIモデルが、膨大な物体の落下データを観察した末に、見たこともない真新しいしおりの「次の1ミリ秒の運動姿勢」を正確に予測できるようになったとしたら——
そのモデルが膨大なパラメータの中から習得したのは、単なる統計学的な高次元の相関関係に過ぎないのでしょうか。それとも、領域を越えて未知の事象を推論できる「真の物理法則」を会得したのでしょうか。
あるいは一部の理論物理学者が唱えるように、私たちが身を置くこの客観的な物理世界そのものが、無数の変数が相互に連動し、リアルタイムで推論を繰り返す巨大な数式に過ぎないのでしょうか。