05. 落地路线图与商业化 (Roadmap)

本章为你规划一份 "按周执行" 的工程进度表。该路线图假设你已经有了 4 张 H100/A100 和一个 6-8 人的精英团队。

⏰ 最后更新时间: 2026-01-31 | 本页内容将每日更新「世界模型工程落地路线图、里程碑与商业化信号」。

5.1 90天攻坚甘特图 (Gantt Chart)

以下是分阶段的工程落地计划。横轴滚动可查看完整图表。

gantt
    title 世界模型工程落地计划
    dateFormat YYYY-MM-DD
    axisFormat %m/%d
    tickInterval 1week
    
    section Infra
    UE Plugin Dev        :active, a1, 2026-02-01, 7d
    QA Scripts           :        a2, after a1, 5d
    WebDataset Conv      :        a3, after a2, 3d
    
    section Algorithm
    Baseline DiT         :        b1, 2026-02-15, 14d
    Action Injection     :        b2, after b1, 10d
    Turbo Distill        :        b3, 2026-03-15, 14d
    
    section Demo
    Overfit Room Demo    :crit,   c1, 2026-02-28, 5d
    Action Acc Test      :        c2, 2026-03-10, 7d
    24fps Stream Demo    :        c3, 2026-04-01, 10d

🧠 AntiGravity's Commentary (Risk Analysis)

Risk 1: 最大的风险点在于 "Overfit Room Demo" (2月底)。如果你连只有一个房间、一种动作的简单场景都训练不好，千万不要往下走去扩数据。很多团队死在好高骛远，数据搞了 100TB，模型连走直线都走不直。先 Overfit，再 Generalize。

Risk 2: 不要一开始就去卷模型架构。Matrix-Game 2.0 成功的核心不在于架构多先进，而在于他们从 GTA5 和 UE 里"洗"出了高质量的 Action-Labelled Video。

5.2 阶段拆解与交付物 (Deliverables)

Phase 1: 冷启动 (Week 1-2)

目标：跑通"UE -> 数据 -> 训练代码"的 Hello World。

URecorderComponent.cpp: 导出 RGB 和 JSON (含 Pose/Action)。
dataset_v0.tar: 100 个 10 秒的视频片段（建议选简单的室内场景，如走廊）。
train_debug.py: 跑通 Video DiT 的 Forward Pass，Loss 能下降。

Phase 2: 可控性验证 (Week 3-6)

目标：模型不再是随机生成视频，而是"听话"的。

Action Acc 指标: 训练一个简单的分类器，判断生成的视频是否符合输入 Action (e.g. 输入 'W'，光流应该向前)。
Overfit Demo: 在单一场景下，模型能完美响应键盘操作（哪怕只能在那个房间里走）。

避坑: 这一阶段尽量拿掉 Text Prompt，只用 Action 和 Image Condition，逼迫模型学习物理规律。

Phase 3: 实时化与泛化 (Week 7-12)

目标：从"能玩"到"好玩"。

Distilled Checkpoint: 经过 LCM/Turbo 蒸馏的模型，推理步数 < 4 步。参考 TurboDiffusion。
Streaming Pipeline: 基于 WebSocket/WebRTC 的前端 Demo，延迟 < 100ms。
Long-term Memory: 引入 KV Cache 机制，解决"回头看"的一致性问题。

5.3 团队分工矩阵 (RACI)

角色	关键职责 (R: Responsible)	核心指标 (KPI)
UE 工程师	开发 Recorder 插件，优化导出性能，搭建多样化关卡	数据吞吐量 (GB/hour), 场景丰富度
算法研究员	训练 DiT 模型，调试 Action Injection，实现蒸馏	Action Acc, FID/FVD, Inference Steps
Infra 工程师	搭建训练集群环境，优化 DataLoader，部署推理服务	GPU 利用率, 端到端 Latency
数据工程师	清洗坏数据，维护 Dataset 版本	Inlier Ratio, 数据纯净度

🧠 AntiGravity's 最终建议

"Data is the new Code."

不要一开始就去卷模型架构（DiT/U-Net/Transformer）。Matrix-Game 2.0 成功的核心不在于架构多先进，而在于他们从 GTA5 和 UE 里"洗"出了高质量的 Action-Labelled Video。

请把 70% 的精力放在 UE 采集管线和数据清洗上。 模型是会迭代的，但高质量的数据资产是永恒的护城河。

如果你只有 100 张卡的预算，我会建议你买 500TB 的 SSD 和雇 10 个外包玩游戏，而不是全部买 H100。 记住：ShengShu Vidu 的壁垒不是 U-ViT，而是他们积累了数年的视频对数据。