一水万象｜让物理规律，参与世界的生成

索辰物理世界模型「营造·万象」PhysMyria V2.1正式发布

掬水月在手。

——于良史《春山夜月》

一捧水，可以映见天地。

一次倾倒，也藏着一个不断变化的世界。

水流离开壶口，落入杯中。器物、液体与动作相遇，熟悉的日常，也有值得观察的细节。

当前，世界模型的研究重点正从“生成逼真画面”转向构建“可持续交互、遵守规则的虚拟世界”。索辰科技正式发布物理世界模型「营造·万象」PhysMyria V2.1（Physical World Model），从一个具体过程液体倾倒出发，把生成画面、对应物理场与可继续分析的数据连接起来，为内容创作、视频模型适配与具身研究提供一个可验证的起点。

不只生成流动的画面，也输出同一过程的物理状态。

一水万象

01

世界的下一刻，不只是下一帧

世界模型四项代表性研究，指向同一个判断：

?状态约束：世界的下一刻不只由画面决定，还受隐式状态约束；
?执行归因：所谓“记忆失效”，很多时候其实是动作没有被正确执行；
?物理泛化：学会预测训练轨迹，不等于理解可迁移的物理规律；
?实时效率：交互延迟与画面质量同样决定可用性。
它们共同说明：一个可用的世界模型，需要的不只是“下一帧好看”，而是下一刻在物理上说得通、在时间上连得上、在数值上可被检验。
我们选择液体作为第一个对象，不是因为它简单，而是因为它同时具备可观测的形态（液流、液面、残滴）与可量化的状态（速率、压力、密度）——既能被看见，也能被测量。

因此，一段可信的倾倒，不只需要漂亮的玻璃、自然的光线和流畅的镜头。

水从哪里流出，落向哪里？杯中已经有的液体，怎样随新的注入继续变化？当倾倒停止，水流、残滴与涟漪，又怎样延续？

这些细节，让一个动作不只是“动起来”，而是成为前后相接的过程。

容器的形状、液体的状态与倾倒的动作，共同影响着过程如何展开。让物理参与生成，正是为了把这些相互关联的条件纳入对下一刻的判断。

02

给出一个起点，生成接下来的变化

输入可以很直观：一幅初始画面，加上一段动作描述。

模型结合场景与动作信息，推断物理初始条件，推进流体演化，并将物理信息用于视频生成。

初始画面＋动作描述→生成视频＋对应物理场与数据

例如，给出玻璃壶与白瓷杯的参考画面，描述将果汁缓缓倒入杯中、随后回正，便得到下方这一组输出。

生成视频可用于观看与剪辑，对应的物理场和数据则保留下来，供进一步对照与分析。

03

一次倾倒，走进生活的万象

一杯饮品、一盏茶，一次日常的倾注。熟悉的动作，进入不同的生活。

先看一次倾倒如何展开。玻璃碗里，茶水随着倾注汇集；液流逐渐收束，壶身回正，茶壶落回桌面。

从正在发生的动作，到动作结束后的停留，前后时刻共同构成一个可供剪辑的片段。对应的物理场，也让不同时刻的流体状态可以对照观察。

器有不同，物各有性。

换一种液体、换一件器皿，同样的倾倒主题便有了不同的色泽、形态与画面表达。

客厅里续一杯咖啡，朋友相聚时斟一杯酒，再到厨房备油、咖啡吧出杯。这些动作也可以成为生活叙事中的一个镜头。

04

同一段流动，从画面到物理，再到数据

再看玻璃壶向已有半杯清水的玻璃杯中续水的场景。从生成画面继续往里看，可以读到同一过程的物理状态。先以流体速率为例。

同一时刻，左侧呈现流动的画面，右侧呈现对应的速率分布。右侧颜色需结合本通道色标读取，单位为米每秒。

沿着同一时间轴，原画与物理场可以同步对照。我们既能观看动作，也能选择一个物理量，观察它在流体区域中的分布。

同一时刻，还可以查看其他物理量。下面将原画与五类物理场放在一起，逐一对照。

这些输出还可以继续进入分析工作。视频保留可观看的过程，物理场便于对照状态分布，逐帧统计和粒子场则服务于不同层次的数据处理。

逐帧统计（CSV）按时间记录粒子数，以及各物理量的均值、最大值等统计量；压力还记录标准差与最小值。这些数据适合比较不同时刻的数值变化，但不等同于完整空间分布。

粒子场（NPZ）保留各粒子的位置、速度及物理量，可用于进一步处理空间分布、组织任务数据与开展研究。

回到开篇的液体倾倒样例，以流体速率为例，下图展示了它的均值随时间的变化。横轴为时间，纵轴为流体速率均值，单位为米每秒。

让流动成为镜头，让物理成为数据。

05

让一段流动，连接不同的工作

? 为创作，提供液体镜头

饮品广告需要表现色泽与流动，茶具展示需要让器物进入使用过程，生活方式短片需要日常情境。

「营造·万象」PhysMyria V2.1的生成结果，为这些任务提供可以继续加工的画面素材。创作者可以从具体的器物、环境和动作出发，选择适合自己作品的表达，而不只是得到一条孤立的倒水视频。

? 为模型，接入物理信息

对于视频生成模型团队，合作可以从一个具体问题开始：液流的来源与落点、液面的变化，或停流之后的状态延续。

我们的物理能力不限定于某一个视频生成主干。面向不同模型开展物理增强适配与联合验证，是这项能力的重要合作方向。

从同一组输入出发，观察加入物理信息后哪些表现发生变化，把合作落到可以比较、可以复核的结果上。

? 为具身研究，丰富液体场景与状态数据

机器人要理解一次倾倒，需要感知杯口、液流与液面，也需要面对不同器皿、视角、光照和初始液量。

生成画面与对齐的物理状态，为液体感知、状态估计和过程理解提供了可研究的数据基础。围绕具体任务组织场景、完善标签并验证效果，是我们希望与具身智能团队共同推进的方向。

面向VLA视觉语言动作模型，融合物理预测信息开展决策推理，对模型输出的动作块（action chunk）进行约束与调整。

同一段流动，由此连接作品、模型与数据研究。

06

从一个具体过程，迈出下一步

我们选择从液体开始，不是因为世界只有这一种变化，而是因为一个具体的过程，值得先被做出来。

这次发布，将输入条件、流动演化、生成画面与物理数据连接起来。

有了这个起点，就可以在真实使用、反馈与验证中持续迭代，把同一个过程做得更好。

一杯水不大，却有形态，有变化，也有变化的来由。

水无常形，万象有理。

索辰物理世界模型  营造·万象 PhysMyria V2.1

从一杯水，开始理解世界。

关于索辰

索辰科技（688507.SH）以“探索物理人工智能，成就虚实平行世界”为企业愿景，面向世界科技前沿，推出涵盖物理AI开发及应用平台的全场景解决方案，赋能工业装备设计与制造，助力客户实现跨越式发展。