【环球网科技综合报道】近日，由逆矩阵联合智源研究院、北京大学、vLLM团队共同研发，国内首个兼顾智能能力与高频吞吐的物理AI推理系统PhysisServe正式对外发布。该系统实现百亿参数量级世界模型达到千赫兹级实时输出频率，性能较现有前沿技术提升一至两个数量级，为物理人工智能走向真实场景落地打通关键技术路径。
随着人工智能技术迭代演进，AI与物理世界的融合应用不断拓展，具身智能、工业仿真、科学预测等领域对物理智能的需求持续攀升。当前，物理AI虽可在受控实验室环境完成指定动作，但面对充满噪声、干扰、动态变化的现实环境，仍面临诸多技术挑战。真实物理场景要求人工智能能够理解环境演变规律、预判干预行为带来的结果，在动态条件下完成记忆更新、任务切换、环境预测，跨场景复用积累的经验，这就催生了对通用物理智能基座的迫切需求。然而长期以来，世界模型存在一大技术矛盾：模型参数量越大，对物理世界的理解预测精度越高，但受推理框架限制，输出实时性往往随之下降，参数量与输出频率难以同步提升，成为制约通用世界基座模型落地的重要瓶颈。
据介绍，Action‑Conditioned World Model（ACWM）、World Action Model（WAM）这类主流世界模型，采用自回归去噪方式生成内容，其和大语言模型逐Token生成虽同属自回归范式，但运行逻辑存在本质差异。大语言模型逐Token生成必须等待上一个Token完成全部计算后，才能够开启下一个Token运算，输出速度被单次计算延迟锁定，单纯叠加算力无法实现有效提速。而自回归去噪以数据块（chunk）为单位生成连续帧，后序数据块无需等待前序数据块完全处理完毕，二者的去噪计算可以交错重叠执行，并行能力可跟随算力规模扩展，与物理世界毫秒级动态变化的特性高度匹配。
图1 左：逐token自回归；右：自回归去噪。时间轴标出每次输出的时刻：右侧的第一次输出并不更早，但此后的输出延迟短得多，整段更早完成。
基于自回归去噪的技术特性，PhysisServe创新提出分层级流水线架构，以stage作为算力分配、调度的基本单元，从单路提速、算力共享、多路扩展三个维度完成系统设计。
在单路性能提升上，系统实现去噪步、Transformer模块双维度流水线化，可充分调用更多GPU资源。系统稳定运行时，输出延迟由最慢单元的计算耗时决定，扩大模型规模、增加去噪步数主要增加流水线深度，不会直接拉低输出频率。
算力利用层面，系统实现计算单元与物理显卡解耦，一张显卡可在不同时间周期轮询处理多项计算任务，调度器对同源不同任务合并批处理，削减权重加载、内核调度带来的开销。无需每个计算单元独占显卡，在非极限延迟场景下，用更少硬件即可满足业务服务指标，提升硬件资源利用效率。
面向多任务并发场景，系统创新引入虚拟rank动态放置机制。将单条业务流各个阶段的计算任务、运行状态封装为虚拟单元，动态映射到物理显卡。新任务接入时，调度器根据显卡剩余资源智能分配位置，完整匹配资源后才接入新任务，已经运行的任务不发生迁移，兼顾服务稳定性与硬件负载均衡，充分挖掘零散空闲算力。
研发团队选取Wan2.1 1.3B、Wan2.2 TI2V 5B、Wan2.1 14B、LTX‑2.5 22B、MiniMax H3 33B五款主流骨干模型开展实测，全部模型均未做剪枝、压缩、量化处理。硬件充分供给条件下，33B规模MiniMax H3模型单路极限输出延迟仅4.1毫秒，作为ACWM模型可实现约每秒1000帧输出，作为WAM模型最高输出频率可达3900赫兹。实测数据证明，只要算力充足，即便物理智能基座扩展至百亿、千亿，乃至万亿参数级别，依旧能够按照业务需要持续实时输出，实现模型规模与输出频率同步增长。
据了解，智源研究院与逆矩阵还将持续输出通用物理智能方向的系列研究成果，围绕通用世界基座模型开展持续探索。PhysisServe的推出，迈出了大参数物理AI适配现实世界实时节奏的重要一步，为具身机器人、工业仿真推演、复杂系统科学预测等应用落地筑牢底层推理基础设施。（纯钧）
