一张消费级显卡，跑起 34B 的实时世界模型

摄像头对着一个白墙房间，画面里却是一片手绘草原，人抬手，天上下起雪——墙角那只玩偶熊始终坐在原位。10 月 15 日，重庆达瓦科技带着这套实时世界模型 Scenes AI，在苏州金鸡湖举行的英伟达创业企业展示半程活动上拿了奖。据量子位 10 月 23 日报道，全国 11 场分站共有 580 多家企业报名，最终 30 家进入半程展示，达瓦获评卓越企业。

一、发生了什么

Scenes AI 和主流视频生成走的是两条路。后者关心「下一帧像不像」，它维护一个持续运行的世界状态：场景、人物、相机、灯光、物体各自是可单独读写的变量，改动一个变量，只更新对应部分，其余保持稳定。达瓦给这个思路起了句口号：修改一个变量，保留住整个世界。

算力账是这么省的。基于 300 多个真实拍摄项目的统计，典型场景里每帧真正变化的区域只占画面一成到两成，墙面、地板这类稳定区域直接复用潜空间缓存，算力集中给人物、面部和交互区域。模型总参数 34B，每步只激活约 4B，激活比约 11.8%。厂商口径称，相比传统视频扩散方案，GPU 消耗降四到六成，推理快三到五倍，最终在单张消费级 RTX 显卡上做到 720P、25 帧的实时输出，画面右上角能实时看到帧率。整 demo 不依赖云端，一台本地主机就能跑。

Demo 里最考验人的是记忆。9 月的首发演示中，雪怪破土离开后，地上的坑一直留着；窗帘起火，紧挨着的玩偶没被波及；有小朋友在墙上写字，之后房间长树、燃篝火、下雪又下雨，四个字的位置和笔画始终没变。瞬态变化和持久状态被分开处理，这是逐帧生成模型最难做到的事。

支撑这套系统的是数据。达瓦在重庆永川运营一座 8.4 万平方米的数字化片场，五年间从真实商业项目里沉淀了约 180TB 结构化世界状态数据，再用仿真和生成数据补齐物理状态与长尾样本。

二、跟你有什么关系

做直播和电商的团队，可能很快看到「格子直播间」变成场景直播间：背景随商品实时切换，不靠绿幕后期。做文旅和互动展陈的，可以把真实空间直接变成可改写的场景。影视短剧从业者则多了一条不依赖云端算力的本地化路线。

三、怎么判断

1. 区分演示与交付。Demo 里「墙上写字一直保留」很惊艳，但换到你的业务场景，稳定性能否维持要实测。
2. 认清数据口径。编辑成功率 98.2%、身份保持 93.3% 这类数字都是厂商自测，不是第三方评测，采信前留余量。
3. 算总成本。单卡跑本地化省的是云算力钱，但状态数据、片场采集这套基建，普通团队复制不了，接入方式才是现实选项。

四、三个别信的说法

「世界模型就是视频模型换个名字。」 两者的交付物不同：一个是结束的一段视频，一个是持续运行、可查询可改写的状态。这条路线的分野决定它能做什么应用。

「参数大就一定卡。」 34B 总参数配合每步 4B 的稀疏激活，说明容量和实时性可以走不同路径解决，但前提是有结构化状态数据支撑。

「拿了奖就是行业标杆。」 这是创业展示活动里的奖项，属于生态认可，不等于技术全面领先，同行路线仍在竞争。

五、一句话结论

视频生成拼的是像不像，这条路线拼的是世界能不能持续运行，谁先在真实生产里站稳，谁才算赢。

信息来源

• 量子位：达瓦 Scenes AI 拿下英伟达半程展示奖（2026-10-23）

功能与价格以官方公告为准。本文写于 2026 年 10 月 25 日。