无需游戏引擎，AI实时生成可玩Minecraft——Oasis横空出世

近日，初创公司Decart与Etched携手推出了全球首个实时、可玩、可交互的世界模型——Oasis。这款模型无需任何游戏引擎，仅凭一个AI基座模型，即可实时生成类似Minecraft的开放世界游戏。

Oasis经过数百万小时游戏视频的训练，仅通过用户的键盘输入，便能实时构建出游戏世界。它不仅支持玩家的移动、跳跃、拾取物品、打破砖块等基本操作，还能在生成的视频内容中展现出对物理原则和游戏规则的理解。

在运行方面，Oasis在H100上能以360p的分辨率实现每秒20帧的渲染，且没有延迟，能够实时生成视频交互内容。虽然这一分辨率在当前4K HDR的时代显得略为复古，但Etched打造的Sohu芯片上运行优化后的模型，则能达到4K级别的实时渲染，并发用户数量也将大幅提升。

值得注意的是，Oasis不仅开源了代码，还公开了500M参数版本的模型权重，供感兴趣的开发者和玩家探索与试玩。项目官网已放出游戏demo，玩家可以在网页端体验这款复刻Minecraft画风的游戏。

从技术层面来看，Oasis的底层机制并非传统游戏引擎，而是一个单一的视频生成模型。它基于Transformer架构，由基ViT的变分自动编码器（VAE）和基于DiT的潜在扩散主干组成，通过加速过的轴向、时空和因果注意力机制来克服长序列中的模型发散问题。

VAE负责整理和识别游戏信息，而主干则负责产出游戏内容。这种架构选择保证了在Sohu芯片上的稳定扩展和快速推理，能够根据游戏输入实时交互生成帧。

此外，Oasis使用Diffusion Forcing进行训练，每次只生成一帧，根据游戏输入在token级别调节每个帧，因此具有很高的可操纵性。它能够理解复杂的游戏机制，如物体、建筑和照明的物理规律等。

在资金方面，红杉资本已宣布以2100万美金投资Oasis背后的Decart公司。Decart成立于2023年9月，一直致力于提高AI模型的效率和降低运行成本。而另一家初创公司Etched则专注于打造基于Transformer架构的ASIC芯片，为LLM推理加速提供解决方案。

Etched推出的Sohu芯片在性能上表现出色，不仅快过Groq，也能碾压英伟达最新的B200。这款芯片专为Transformer模型打造，无法运行其他模型，但对于Transformer来说，却能得到有史以来最快的芯片。

随着视频模型的扩展和互联网流量的增加，大型、低延迟、交互式的视频模型将成为下一波人工智能产品的核心。Oasis的推出标志着生成式交互体验新时代的到来，也为AI在游戏和视频生成领域的应用开辟了新的道路。

虽然目前Oasis仍存在一些需要改进的问题，如远处物体模糊、不确定对象的时间一致性等，但Decart和Etched团队表示将持续进行研究和优化，逐步提升Oasis的游戏体验。未来，我们期待看到更多基于Oasis的创新应用和颠覆性成果。