达瓦科技Scenes AI：34B参数世界模型在RTX 5090上实现实时运行并获英伟达大奖
重庆达瓦科技凭借实时世界模型产品Scenes AI，在2026年NVIDIA创业企业展示半程展示中荣获「卓越企业奖」。该模型采用“控制层做重、生成层做轻”的架构，通过维护持续运行的世界状态而非逐帧预测，实现了单张消费级显卡（如RTX 5090）上的720P/25fps实时渲染。其核心优势在于精准的状态解耦与稀疏计算，使34B参数模型仅激活约4B即可高效运行，显著降低了算力消耗并提升了交互可控性。
事件概述
2026年10月15日，在苏州举行的2026 NVIDIA创业企业展示半程展示中，来自重庆的达瓦科技（Dawa Technology）凭借其实时世界模型产品Scenes AI获得「半程展示卓越企业奖」。本届赛事从580多家报名企业中筛选出30家NVIDIA Inception会员进入最终展示，Scenes AI因其独特的技术路线和落地能力脱颖而出。
核心技术：从“视频生成”到“世界运行”
与传统视频生成模型关注“下一帧画面相似度”不同，Scenes AI的核心逻辑是维护一个持续运行的世界状态。系统将场景、人物、相机、灯光、物体和物理属性拆解为可单独读写的变量。当输入指令改变某一变量（如天气或光照）时，模型仅更新受影响的局部状态增量（ΔS），其余世界状态保持锁定并复用，从而避免传统逐帧生成带来的几何漂移和身份丢失问题。
系统架构被定义为：Persistent World = World Memory + Neural Physics + Sparse Diffusion + Neural Rendering + AI Lighting。
关键性能指标
- 硬件要求极低：模型可在单张消费级显卡（如NVIDIA GeForce RTX系列）上运行，无需依赖云端集群。
- 实时渲染能力：实现了720P分辨率、25帧每秒的实时输出。
- 算力效率优化：相比传统视频扩散方案，GPU消耗降低40%—60%，推理速度提升3—5倍。
- 控制精度：在连续编辑测试中，目标编辑成功率为98.2%，人物身份保持率为93.3%。
技术实现路径
-
分层架构设计：
- 控制层（Latent Stage）：负责将视频拆解为可查询、可更新的状态因子。通过非线性视频矩阵融合方法，实现角色、环境、镜头等要素的独立解耦与重组。具备长时序记忆能力，确保“墙上有字”等持久状态在多次场景切换后依然保留。
- 渲染层（LiveStage）：基于稀疏扩散自回归机制，仅对发生变化的区域（通常占画面的10%—20%）进行少步采样和生成，稳定区域通过潜空间缓存直接复用。
-
稀疏激活策略：
模型总参数量为34B，但在每一步推理中仅激活约4B参数（激活比约11.8%）。这种“大模型容量、实时计算路径”的设计，使得在有限显存下也能处理复杂的物理交互和光影变化。 -
数据壁垒：State Dataset：
达瓦科技强调其核心竞争力不在于视频数据集，而在于状态数据集（State Dataset）。团队依托8.4万平方米的全流程数字化科技片场，从300多个真实商业项目中沉淀了约180TB的结构化世界状态数据。这些数据覆盖了相机轨迹、动作、光照、物理及叙事状态等多维度信息，并结合NVIDIA Omniverse仿真数据和Cosmos生成数据，构建了完整的训练闭环。
应用前景
Scenes AI的技术特性使其适用于对实时性和可控性要求较高的场景：
- 影视制作：导演可实时调整光照、天气等参数，即时验证创意。
- 直播与电商：构建动态场景直播间，根据商品主题实时切换背景（如雪地、高山）。
- 互动娱乐：支持用户进入虚拟空间进行实时互动和内容改写。
该技术栈原生构建于NVIDIA生态之上，利用CUDA、TensorRT和NVENC进行加速与优化，展示了国产AI技术在实时世界模型领域的工程落地能力。