3D打印机世界模型Scaling Law深度测评：5年实战经验总结

2026年初，英伟达CEO黄仁勋在CES上抛出“物理AI是第二个拐点”的判断后，世界模型（World Model）迅速成为全球科技巨头竞相布局的核心战场。

然而，这一趋势背后，是学术界早已形成的共识：AI必须理解物理世界的常识与规则，才能真正融入并服务于人类生活。随着李飞飞、杨立昆等顶尖学者纷纷投身于此，业界逐渐看清，这是一个比大语言模型更为底层、也更具挑战性的赛道。

当我们将目光投向国内，寻找这条赛道上的探索者时，陈天润和他创立的魔芯科技，提供了一个独特的观察样本。

这位2000年出生的在读博士生，在2022年以3D打印创业完成从0到1的验证后，于2024年带领公司全面转向空间智能领域。尽管他谦逊地以“造小家电的”、“3C产品创业出身”自居，但其身份远不止于此——他不仅是潘云鹤院士的弟子，更是一家在空间智能与世界模型领域获得华&为、联想等巨头数亿元联合投资的初创公司CEO。

近期，魔芯科技将自身定位为“空间智能的基础设施服务商”。在与我们的对话中，陈天润既深入探讨了空间智能的技术内核，也从创业者的实战角度，分享了如何将一秒钟视频的生成成本控制在“一毛钱以内”的商业化思考。

在3D打印行业的激烈竞争中“卷”了五年，陈天润身上沉淀下来的商业化能力尤为突出。相较于许多擅长科研却困于产品化与成本控制的AI团队，他的经历提供了另一种解题思路。以下是经过编辑的对话实录。

01 造小家电的过程中，意外发现了空间智能的Scaling Law

AI科技评论：外界对魔芯科技的认知大多还停留在3D打印机业务上。这次突然宣布获得亿元级融资，背后的关键原因是什么？

陈天润：我们的3D打印机业务确实打下了不错的基础。但在持续的研发过程中，我们洞察到了一条通向高泛化、高通用、可交互且高精度世界模型的潜在路径，其核心在于我们发现了空间智能领域可能存在的“Scaling Law”（规模定律）。

AI科技评论：这项发现具体是在什么时间点？

陈天润：大约在2024年底。当时我们在研究3D AI建模，测试某个网络结构时，意外发现它不仅擅长生成物体，对整体空间的重建效果也出奇地好。更重要的是，随着投喂的数据量增加，模型在空间重建的精度和一致性上表现出持续的提升。

这让我们意识到，空间建模可能像大语言模型一样，存在“数据越多，效果越好”的规律。过去，3D领域的主流方法是先构建中间表示（比如知识图谱、全景图或3D高斯模型），再基于此完成下游任务。但我们的实验表明，绕过这个中间环节，采用端到端的直接训练，模型反而能学到更本质的空间关系。

AI科技评论：驱动这个发现的数据主要是什么类型？

陈天润：核心是3D原生数据，即图片与精确3D信息的配对数据，并辅以文本描述。我们组建了专门的数据采集团队，其工作模式类似于许多机器人公司——雇佣大量人员进行实地数据采集。

AI科技评论：合成数据和真实数据都会使用吗？比例如何调配？

陈天润：两者都会用，但这其中有个“配方”问题。真实数据能提供泛化能力，但往往不够精确；合成数据精度高，但泛化性不足，遇到新场景就需要调整。这就像厨师做菜，不同训练阶段需要不同的原料比例，没有一成不变的公式。

AI科技评论：数据采集的成本是许多投资人关心的问题。

陈天润：中国在数据采集方面具备一定的成本优势。此外，我们采集的数据与具身智能公司有重叠部分，也有独特部分。因为最终要服务于具身智能等场景，所以也会涵盖机器人完成任务所需的那类数据。

AI科技评论：你们的世界模型方案，与市面上的其他方案有何根本区别？

陈天润：我们是国内首个基于全国产算力（华&为昇腾910C）实现数分钟级交互的世界模型KOKONI-World。许多头部公司的架构在数据量增大后，效果提升可能会遇到瓶颈。而我们的端到端架构，其空间理解能力随着数据规模扩大能持续提升。

另一个关键区别在于模型的可部署性。目前很多世界模型运行实时视频生成可能需要10张A100显卡，这根本无法部署到车端或机器人等终端。我们的模型可以压缩到1-2B参数规模，在端侧NPU（如瑞芯微、地平线的芯片）上直接运行，无需额外背负沉重的显卡——有些所谓的“端侧部署”，实际上还是在设备外设了显卡。

02 空间智能的战场，在科研也在产业

AI科技评论：端侧视觉-语言-动作模型的具体商业场景有哪些？

陈天润：主要沿着两条主线展开。一是具身智能，让每一个需要与真实世界交互的终端（如机器人）都具备空间感知和理解能力，目标是让它们“既看得懂，也走得准”。

二是自动驾驶。我们正与一些厂商合作，预计最晚明年就会有搭载我们模型的方案批量部署。当前，很多世界模型因为推理速度慢，主要被用作离线的“数据生成器”。而我们的模型能够实时运行，这意味着它可以被集成到车辆的在线系统中，实现边感知、边推理、边决策。我们认为这是世界模型一个非常契合的应用场景。

AI科技评论：车企如何评价你们的技术？他们过去通常依赖大算力芯片方案。

陈天润：我们观察到，大算力芯片在车载环境下的扩展始终存在物理和成本极限。单颗芯片的算力再强，也难以媲美10张A100集群的能力。因此，我们的思路是，在端侧利用性能足够的NPU，让模型像“增加一个高维传感器”一样，为现有系统提供增量价值。

03 “消费电子的创业经历，教会我们什么叫效率”

AI科技评论：从3D打印转型到空间智能，团队架构做了哪些调整？

陈天润：打印机业务我们仍在运营，市场也在增长，但对于公司的战略转型而言，其重要性已相对下降。然而，消费电子产品所锤炼出的研发、生产制造等全套经验，对当前业务有极大的帮助。

很多AI公司团队缺乏消费电子行业的实战经验，那是一个竞争极度激烈的“修罗场”——成本控制、流程管控、项目与生产进度管理，每一个环节都至关重要。我们被“卷”了五年，整个组织的效率被硬生生磨练了出来。如今做世界模型，我们同样沿用这套方法论：快速迭代、严格质量把控、强调工程落地。这构成了我们与其他AI公司不同的基因和效率优势。

AI科技评论：这种效率优势在具体工作中如何体现？

陈天润：如果团队直接从科研背景下场创业，往往缺乏对残酷商业竞争的切身感受。我们经历过：2022年通过小米众筹渠道卖出600多万的3D打印机，但竞争对手带着具有代差优势的产品入场后，市场格局瞬间改变。

这种“被卷过”的经历，让我们深刻理解什么是真正的商业化闭环。现在进入AI赛道，如果手中没有能自我造血的业务，内心会感到不安。世界模型领域同样离不开基本的商业逻辑。公司可以设置面向未来的研究部门，也可以进行前沿学术探索，但必须有一部分团队扎根产业，解决实际问题，这才能带来真正的踏实感。

AI科技评论：拓竹科技算是3D打印行业的“卷王”吗？

陈天润：拓竹做出了足够优秀的产品，就像戴森用核心技术构建了壁垒。但聪明的中国供应链会迅速跟进，第一波冲击往往是最难抵挡的。

AI科技评论：你们可以成为3D打印领域的“徕芬”。

陈天润：我们一度就是3D打印领域的“徕芬”，甚至卷得更厉害。目前，我们保留了3D打印机业务。但更重要的是，在制造“高速吹风机”（指消费级3D打印机）的过程中，我们意外发现了如何制造“行星发动机”（指空间智能的核心底层技术）。

AI科技评论：打印机业务目前还完全在公司体系内吗？