一图一3D世界，视频还可交互，昆仑万维「空间智能」开年首秀来了

AIGC动态1周前发布 almosthuman2014

235 0 0

文章摘要

2025年被普遍视为智能体爆发元年，但空间智能领域正迎来突破性进展。昆仑万维发布的Matrix-Zero世界模型通过融合3D场景生成与可交互视频技术，将单张静态图像转化为可自由探索的3D虚拟世界，标志着国内企业在空间智能领域取得重要突破。该模型不仅支持风格转换和全局一致性生成，还能实现360度环视、复合移动等复杂交互操作，解决了传统3D生成中视角断裂与物理规则不符的难题。

技术层面，Matrix-Zero采用双模块架构：场景布局生成模块通过可微渲染和扩散模型构建空间结构，纹理生成模块结合3D高斯泼溅技术优化视觉细节。动态物理效果的实现依赖于深度学习与图形学融合，成功模拟水流、光照等自然现象，使生成场景具备真实物理属性。在可交互视频领域，模型通过Transformer架构和潜变量自编码器提升视频连贯性，用户输入交互模型则实现实时视角控制与运动轨迹调整，将视频生成从被动观看转变为主动探索。

相较于国际同类产品，Matrix-Zero展现出三大核心优势：一是支持输入图片风格继承与转换，覆盖写实与卡通等多种艺术形式；二是突破空间扩展限制，通过滑动窗口机制实现大范围场景的合理延伸；三是首创复合移动交互模式，允许用户执行前进后转向等复杂操作。这些技术进步为游戏开发、影视制作和具身智能训练提供了新工具。

从行业视角看，空间智能的突破正在重构AI发展路径。李飞飞团队与谷歌DeepMind的探索表明，理解三维空间关系是AI迈向通用智能的关键阶梯。昆仑万维通过构建”3D场景-交互视频”双模型架构，不仅完善了自身AI业务矩阵，更推动空间智能从理论研究走向工业应用。随着4月产品上线临近，其技术落地效果将直接影响行业对物理世界模拟能力的评估标准。

技术演进趋势显示，未来空间智能将向多模态感知方向发展。融合视觉、听觉、触觉的强化学习框架可能成为下一阶段重点，而实时物理仿真精度的提升将加速数字孪生、虚拟现实等领域的革新。对于All in AGI的企业而言，空间智能既是突破二维感知局限的技术跳板，也是构建通用世界模型不可或缺的认知基础。