【总结】CCF-MM & BSIG走进腾讯：多媒体及世界模型前沿技术产学交流会

中国计算机学会多媒体技术专业委员会 & 北京图象图形学学会

走进企业系列活动

CCF-MM & BSIG 走进腾讯 

多媒体及世界模型前沿技术产学交流会

 在大模型技术快速演进、人工智能加速走向真实世界的时代浪潮下，多媒体与世界模型正成为推动智能系统从感知理解迈向自主决策与行动的重要前沿方向。世界模型通过学习环境的动态演化规律，为预测、推演与规划提供认知基础；多媒体技术则不断拓展机器对图像、语音、视频等多模态信息的感知、理解、生成与交互能力。

为促进学术界与产业界在多媒体、世界模型领域的深度交流，推动技术创新与场景落地的双向赋能，中国计算机学会多媒体技术专业委员会（CCF-MM）与北京图象图形学会（BSIG）携手腾讯，于2026年9月9日在腾讯北京总部大楼成功举办“多媒体及世界模型前沿技术”主题沙龙。来自中国人民大学、北京航空航天大学、中国科学技术大学、南开大学、华南理工大学、中央民族大学等高校的研究学者，与腾讯技术专家共30余位齐聚一堂，围绕动态场景世界模型、真实世界强化学习，以及ARC Lab的世界模型探索与微信WAVE智能多媒体引擎实践等关键议题展开交流研讨，共绘从多模态环境感知、世界状态建模到自主决策与行动的真实世界智能发展蓝图。

一、活动伊始

 CCF多媒体技术专业委员会产业工作组副组长、腾讯产学研合作科研平台负责人郑宇飞主持了本次走进企业活动，并对来访嘉宾表示热烈欢迎。

腾讯产学研合作郑宇飞老师主持活动

二、嘉宾致辞

CCF多媒体技术专业委员会副主任委员兼任办公室主任、中国科学院计算技术研究所副研究员闵巍庆首先介绍专委会品牌活动，涵盖中国多媒体大会、走进高校、走进企业以及论文导读等，并回顾CCF-MM长期推动产学研协同的实践。他谈到，人工智能加速演进，多媒体与世界模型正成为智能系统走向真实世界的关键方向。闵巍庆指出，腾讯在智能多媒体引擎与世界模型探索上积累了丰富的落地经验，期待借此次活动让学术研究与产业实践更好对接，实现“产学研用”多方共赢。

CCF多媒体专委会副主任委员闵巍庆老师致辞

北京图象图形学学会秘书长、北京师范大学教授王立志代表学会致辞。他介绍了学会在图像图形领域组织学术交流、服务会员发展和推动技术转化等方面的工作，并回顾学会与高校、企业长期协同的实践。他谈到，图像图形与多媒体、世界模型彼此嵌套，正在成为智能系统感知环境、理解状态并作出行动的重要支撑。王立志教授指出，希望学会与CCF-MM借助此次走进腾讯活动，促进学界研究与产业实践精准对接，推进“产学研用”多方合作。

北京图象图形学学会秘书长王立志老师致辞

三、特邀报告

     本次活动邀请到高校知名专家与企业技术领军者联袂带来精彩报告，涵盖多媒体及世界模型技术前沿，内容丰富且极具启发意义。

中国人民大学卢志武教授

《面向动态场景的世界模型底座构建方法研究》

中国人民大学高瓴人工智能学院卢志武教授，以《面向动态场景的世界模型底座构建方法研究》为题，核心内容围绕“为动态场景下的通用智能体构建可实时执行的世界模型底座Awaker-WAM（智子引擎）”展开。

他指出，物流仓储、工业生产等真实场景高速多变，现有世界模型面临环境动态难拟合、训练数据严重静态偏置、推理延迟无法满足毫秒级控制三大痛点；主流方案多局限于静态或低速物体，且“先生成未来帧再预测动作”造成感知—执行高延迟。

针对上述局限，Awaker-WAM以光流、视频与动作三专家MoT为骨架：用显式光流先验直接建模像素运动；用多帧时序压缩把长历史内化到当前帧，推理仍只用单帧；用残差蒸馏把未来信息注入动作分支，推理不再生成视频；再将训练与推理解耦，时延由约800ms降至约100ms。执行侧以大小脑双线程与时间戳对齐实现最高50Hz取流；数据上构建“动态场景 + 原生光流”真实采集与仿真合成双轨引擎。

在LIBERO上平均成功率达99.0%并登顶该榜，相关工作发表于ICML 2026。方法已延伸至移动操作与人形本体，并在顺丰等快递分拣及制造转运场景验证。报告为动态世界模型提供了从痛点到落地的完整路径。

北京航空航天大学邓岳教授

《面向真实世界部署的强化学习》

北京航空航天大学人工智能学院副院长、国家杰青邓岳教授以《面向真实世界部署的强化学习》为题，核心围绕“把强化学习从虚拟对弈推向真实世界，关键在于提高数据效率并实现奖励对齐”展开。

他指出，深度强化学习面向真实交互，决策规划难度高，走向部署仍有两大瓶颈：一是环境难以采样——围棋可自我对弈数千万局，而火箭发射等真实任务样本极少，小样本下价值评估误差大、策略泛化差；二是奖励信号不明确——游戏奖励可写，真实任务需关联多传感器与动作，自动化奖励设计成为关键。

针对上述瓶颈，团队分两条主线推进。在数据效率上，有模型强化学习用交互数据构建环境模型、以低代价仿真替代真实交互，提出价值等价的任务感知世界模型，并以双层优化为样本分配元权重，使模型按任务生成关键信息，训练收敛约快4倍、性能约升2倍；离线强化学习则提出价值对齐行为克隆（VACO），用价值信息指导样本加权，同时缓解分布外偏移与价值不对齐。在奖励对齐上，先用大模型自动生成奖励函数，再以树搜索利用历史反馈做多阶段优化；对长程任务将高层规划与底层稠密奖励整合，并在世界模型中引入隐空间价值对齐，使模型优先刻画影响决策与长期回报的动态。

在应用上，方法落地于雷达电子对抗仿真，以及基于群体强化学习的抗体多位点联合优化。报告把真实世界强化学习收束为“少样本用好、奖励对齐”，为相关场景提供了从痛点到落地的完整路径。

腾讯ARC Lab胡文博

《ARC Lab的世界模型探索》

腾讯ARC Lab世界模型团队负责人胡文博以《ARC Lab的世界模型探索》为题，核心围绕“以视频扩散为外壳、以射线空间几何为内核的next-state prediction”展开。

他指出，世界模型最本质的问题是“如何从视频观测与交互中学习世界背后的物理演化规律”，而当前路径存在两大局限性：一是坐标系错位——现有视频生成把位置编码放在(u, v, t)像素–时间网格上，同一3D世界点在不同帧下没有显式几何对应，导致相机控制漂移、回访不闭合、3D不一致；二是训练范式错位——业界多数工作仍是在预训练视频生成模型上做后训练，并非从零预训练的世界模型。

针对上述局限性，胡文博把世界模型定义为“state + interaction → next state”的可递归simulator，并介绍了团队最新进展：在导航与三维感知上，研发了射线空间位置编码SCoPE，以Plücker坐标作为第二套位置坐标，在Attention的Q/K上叠加视线互易积项，并用Normalize-Gate-Inject解耦方向与平移尺度，显式建立跨视角对应，支持单图WASD漫游与短时回访3D一致，且在5B到14B上增益随规模扩大；在流式生成上，以Rolling Forcing的滚动窗口联合去噪缓解自回归误差累积；在交互上，以VerseCrafter将相机与多物体运动纳入统一4D控制。

最后，他展望第一性原理上的世界模型仍应回到更合适的state representation与next-state预训练范式，从零scaling，使理解与仿真相互促进，真正涌现对物理规律的压缩式理解。报告为交互式世界模拟与具身训练提供了从痛点分析到技术落地的完整路径，为产业侧基座建设提供了学术支撑。

腾讯微信高欣玮

《WAVE：腾讯微信智能多媒体引擎》

腾讯微信视频技术负责人高欣玮以《WAVE：腾讯微信智能多媒体引擎》为题，核心围绕“从采集、压缩传输到渲染的全链路，用一套引擎同时服务实时与离线/近线海量业务，并与大模型有机结合”展开。

他指出，微信每天的通话、转码与观看都是海量规模，业务大致分成两类：实时业务，要求是分秒必争，必须把延迟、弱网对抗和可靠互通做到位；离线或近线业务则更强调极致音画质、高并发以及多格式、多平台兼容。两类要求以及各类个性化的需求，对多媒体引擎技术的深度和广度都有严峻的挑战。

针对上述约束，团队把能力收束到同一套引擎WAVE（WeChat Audio and Video Engine）上，覆盖通话、直播、短视频、图片和短音频。其中视频编解码已迭代三代：从仅满足实时性通讯要求的编码器，到配置灵活的多功能编解码器，再到更高效率和更广泛应用的智能编解码器，并把自适应编码延伸到短视频、图片及面向识别、跟踪的coding for machine。图片侧以端云协同增强兼顾低功耗设备与云端算力；实时通信侧用发送—接收—服务器闭环流控、多维FEC和多链路传输来抵抗弱网、控制成本；离线转码则基于内容感知进行自适应地处理和转码。

最后，他展望WAVE将从单模态高质量处理，走向先理解内容与任务、再支持模态转换、呈现对象和互动方式的智能引擎，使传统多媒体链路与大模型有机结合，并为海量音视频业务提供从痛点到落地的完整路径。

此外，腾讯产学研合作郑宇飞介绍了腾讯产学研合作的模式，这是连接腾讯与国内外高校的桥梁，其犀牛鸟各项计划围绕科研合作、人才培养、学术交流持续构建开放、互惠的产学合作生态。

●科研合作：通过联合实验室、犀牛鸟专项/专题、犀牛鸟基金等多种合作模式，紧密结合科学研究与产业需求，整合高校与企业的优势资源，支持学者与腾讯研发团队共同探索学术前沿问题，携手推进产学研创新，让研究成果在真实产业场景中检验价值、创造价值。

●人才培养：腾讯通过混元专项博士生、犀牛鸟精英人才、犀牛鸟开源人才、产教融合共建课程、暑期研学营、创新俱乐部等多种形式，为高校学生提供接触前沿技术、参与真实项目的成长平台。

● 学术交流：腾讯长期与国内外学术组织深度合作，支持顶级学术会议与社区建设，推动学术成果的开放共享。

未来，腾讯产学研合作将继续携手更多高校与科研机构，面向人工智能的关键科学问题开展长期、深入的联合研究，推动更多”从论文到应用”的价值闭环，让学术研究更好地服务产业发展与社会福祉。

腾讯学堂青科实训营学术人才培养项目负责人、TCAMP学术酒吧主理人靳楠介绍了腾讯学堂定位与青科实训营培养路径，并重点推介学术酒吧。

腾讯学堂以“做知识和人的连接，打造学习型组织“为定位，覆盖新员工到领导力及青少年培养，推动公司AI人才转型。腾讯青科实训营TCAMP是腾讯学堂旗下公益科创实训平台，面向高校硕博人才开放真实业务场景，让学子们在实战项目中深入产业一线。目前已与多所顶尖高校共建研究生联培项目，并依托TCAMP在线学习营为高校学子提供未来产品经理创造营、技术菁英班等招培一体实训项目，铺就“实训—实习—就业”全链路成长通道。

TCAMP学术酒吧把顶会式after party做成小规模硬核对谈，连接腾讯招聘、研究院、开源社区与高校团队，含主题分享、圆桌、开放麦与自由链接，北上广深及香港持续办场，欢迎师生参与并共建。

四、总结交流

在交流环节，嘉宾们与参会人员围绕动态场景世界模型的构建方法、真实世界强化学习的数据效率与奖励对齐，以及智能多媒体引擎的全链路实践展开热烈讨论，重点交流了世界模型与多媒体技术融合的前景，以及智能系统从感知理解迈向自主决策与行动的演进趋势。与会嘉宾畅所欲言，结合各自的科研与工程实践，分享了相关经验，并提出了诸多前瞻性观点。来自腾讯ARC Lab、微信多媒体等团队的代表也结合自身实践，深入分析了当前产业界在世界模型落地和海量音视频服务中面临的主要技术难题，并介绍了相应的探索思路与解决方案。此外，大家还围绕如何依托犀牛鸟专项、基金及其人才培养计划，加强产学研交流与合作进行了探讨。

在总结环节，主办方指出，多媒体技术与世界模型交叉融合具有重要科研价值和应用前景，此次“走进企业”活动进一步促进了学术界与产业界的交流与合作。腾讯方面表示，将持续开放业务场景与技术平台，围绕多媒体与世界模型等前沿技术开展探索，深化与学术界的交流合作。

此外，活动伊始，嘉宾们集体参观了腾讯展厅，全方位了解了腾讯的发展历程、核心业务和产品、混元大模型、云计算等前沿技术成果，以及消费互联网和产业互联网的数字化布局与科技向善的企业理念，随后合影留念，为本次深度交流奠定了良好基础。

腾讯展厅参观交流

CCF-MM & BSIG走进腾讯参会嘉宾合影

CCF-MM与BSIG走进腾讯活动圆满结束，大家围绕多媒体与世界模型等方向开展了深入交流，互相启发，也为后续合作创造了良好条件。CCF-MM专委会将继续加强学术界与产业界的交流与连接，推动更多前沿成果从科研探索走向实际应用，为“人工智能+”发展注入新的活力。