34B世界模型单张RTX消费卡跑720P/25帧:达瓦Scenes AI用状态更新替代逐帧重画
10月15日,2026 NVIDIA创业企业展示半程展示在苏州金鸡湖举行,来自重庆的达瓦科技凭实时世界模型Scenes AI拿下"半程展示卓越企业奖"。本届赛事在全国举办11场分站活动,580多家科创企业报名,最终30家NVIDIA初创加速计划(Inception)会员进入半程展示。
Scenes AI的技术路线与主流视频模型存在根本性分歧:不预测下一帧画面,而是维护一个持续运行的世界状态。达瓦自己的表述很直接——视频是一个结果,世界是一个过程。

工程判断:这是一次架构层面的路线分岔。逐帧生成范式把算力花在"重画"上,状态更新范式把算力花在"推演"上,两者的计算量结构完全不同,后者天然更适配实时性约束。
状态变量解耦:只更新变化的部分
Scenes AI的世界观里,场景、人物、相机、灯光、物体和物理各自是一组可以单独读写的变量。世界每发生一点变化,模型不重画整段画面,只更新发生变化的那部分状态并写回世界,让下一刻在此基础上继续演化。要回答的问题随之改变:不是"下一帧长什么样",而是"改变一个变量后,世界接下来会发生什么"。
Demo层面有两个关键证据。其一,摄像头拍到的真实房间被整体改写为手绘风格夏日草原,但椅子仍在原位、柜子透视未动、两面墙交汇的折线保留在草地上——全局重渲染,结构不乱。其二,小朋友在墙上写下四个字之后,无论屋里长树、燃起篝火还是下雪下雨,字迹的位置和笔画始终保留。
工程判断:这背后是一套"瞬态变化"与"持久状态"的显式区分机制——雨雪交给渲染层,"墙上有字"写进世界状态。状态持久化是世界模型区别于视频模型的核心判据,达瓦把这个判据做成了可演示的系统行为。

架构分层:控制层做重,生成层做轻
工程实现上,控制层把连续视频拆解为可查询、可更新、可约束的状态因子——场景与空间、角色与动作、相机与镜头、灯光与材质、资产与服化道、物理与时间——负责规划行动、维护状态、推演结果;渲染层由实时生成模型LiveStage承担,只把需要变化的部分生成出来再合成回画面。
精准控制的核心模块Latent Stage在潜空间实现变量解耦:每次编辑都有明确的改动集与保持集——改光照时锁定场景、人物与机位,换服装时约束人物身份与动作。连续编辑测试中,目标编辑成功率98.2%,人物身份保持率93.3%。
支撑这些数字的还有世界记忆与神经物理:历史状态片段被持久化缓存,镜头离开再回来时模型读取状态记录而非重新想象;刚体、布料、流体和粒子的物理约束决定火焰的蔓延边界。达瓦联合香港理工大学、伊利诺伊大学厄巴纳-香槟分校、纽卡斯尔大学完成的非线性视角矩阵融合研究NVD,已被ACM UbiComp/ISWC 2026接收。

三重稀疏:把34B装进消费级显卡
实时性是这条路线的生死线,达瓦的解法是三重稀疏叠加。第一重来自数据洞察:基于300多个真实商业拍摄项目的分析,典型场景每帧真正变化的区域只占画面10%—20%,墙面地板等稳定区域通过潜空间缓存直接复用,算力集中给人物、面部、手部、布料、烟雾与交互区域。第二重是因果化稀疏微扩散:每一步只依赖已发生的历史,适合流式输出,每次只处理局部小区域。第三重是稀疏激活:模型总参数34B,每一步只激活约4B,激活比约11.8%。
三者叠加的效果:相较传统视频扩散方案GPU消耗降低40%—60%,推理速度提升3—5倍;当画面需要整体切换、变化范围远超20%时,系统按变化范围动态分配计算,局部编辑与全场景转换共用同一条管线。最终在单张NVIDIA GeForce RTX消费级显卡上实现720P、25帧实时输出。底层原生构建于NVIDIA技术栈:CUDA负责训练与推理加速,TensorRT做推理优化,NVENC支撑实时视频编码输出——达瓦与NVIDIA的合作始于2018年购入的第一套DGX-1。
工程判断:稀疏化的有效性高度依赖"变化区域占比"这个前提,10%—20%的统计来自商业拍摄场景,迁移到高动态场景时动态分配机制的表现需要更多公开数据验证。
真正的壁垒:State Dataset而非Video Dataset

互联网视频大多是剪辑后的成品——机位怎么走、灯怎么打、道具何时被拿起,这些过程信息几乎都被剪掉,像素本身解释不了世界为何这样变化。达瓦的壁垒由此而来:不是Video Dataset,是State Dataset。团队在重庆永川运营一座8.4万平方米的全流程数字化科技片场,过去5年从300多个真实商业项目中持续采集、标注和梳理数据,沉淀约180TB结构化世界状态数据,覆盖相机轨迹、动作轨迹、对象状态、光照状态、物理状态与叙事状态六类核心维度,单场戏做300多个维度的结构化标注。宽袖裙摆的形变、手与道具的反复接触、多角色的互相遮挡——这些实时生成最难处理的长尾样本,恰是片场里最日常的素材。
先看自由度,再谈智能——而世界模型的"自由度"就藏在状态变量的解耦粒度里。达瓦这次获奖提示了一个被低估的可能:世界模型的竞争未必只属于堆算力的玩家,也可能属于掌握状态数据的玩家。
以上信息由AI整理发布