这可能是，普通人距离发 Nature 最近的一次。而且这篇 Nature，还和一个游戏有关？
事情是这样的，江江最近去了一趟西湖大学参观。在路过一个AI实验室的时候，发现了这样一幕：一哥们在工位上狂开火箭，导师来了也丝毫不慌。
江江询问之后才知道，他们真在搞正儿八经的科研，课题就是——如何让AI参与到真实的工程建造当中。
来自西湖大学的吴泰霖老师课题组，向全网发起了一个叫BuildArena的AI挑战赛，比赛规则说白了就一句话：AI 造飞机，你来当机长。
详细来说，是在《Besiege》这个物理沙盒游戏里，指挥 AI 给你造一架飞行器，然后由你亲手操控，完成起飞、入轨、环绕星球的连招。
现在，赛事奖池已达到3000美元，要是你的机器造得足够惊艳，甚至还可能跟着发篇 Nature。（哦对了，参加比赛免费送游戏）
听说，这还只是S1赛季，未来还可能有让AI星际旅行、流浪地球等更大的活儿。
可能有人没听过《Besiege》这个游戏，这么说吧，一个工程师模拟器。只要你够强，靠游戏里可用的元素，可以手搓出战车，火箭，机甲甚至歼20。
主办方告诉我们，他们也考虑过《我的世界》《坎巴拉》等游戏，但还是觉得它们不够真实，不够硬核。
当然，大赛也欢迎啥也不会的小伙伴来参加，主办方专门设立了奖项，来奖励那些足够有趣，足够抽象的设计，有活的人可以挑战一下成为AI界的《牛来》。
简单来说，吴老师组主要是搞 AI for Engineering， AI for Science等研究的，致力于让AI更好融入一些实际的工业领域，比如像聚变啊，流体领域等等。
对他们来说，这种游戏也算提供了一个仿真环境，让 AI 能更快、更好地学习实际物理世界的一些控制和建造。
而对这个比赛来说，不管你搓出什么，只要你参加，就可以看作推动了科研进展，因为这个项目，就是希望大家一起探索AI在工程制造方面的上限与下限。
主办方成员夏天，还给我们展示了他用AI做出的各种机械结构，包括桥梁，车辆，甚至可回收火箭，非常自由。
当然也有很多不知所云的东西，比如这根神秘电线杆，企图冒充飞行器。据他说，凶手来自GPT-4。
夏天也是这游戏的老玩家了，不过在接入AI后，他最大的感受就是：AI的脑洞，人类真的很难理解。
比如在 DeepSeek V3时代，他们就对它进行过一次测试，发现它造桥的时候，给桥梁的两端加上了轮子。
看思维链才知道，它看到车轮内置了自动刹车功能，就想着把车轮放在桥梁两端，用来做一个自动阻尼。。
而让GPT- 5制造移动载具的时候，它反而会放弃使用轮子，而是直接造了一个火箭推力的滑橇，直接开始贴地飞行。。。
AI的脑回路，很神奇吧。
所以为了感受AI的脑回路，我们也亲自动手，找来了几款热门模型，让它们在尽量相同的提示词下造飞行器，再由我亲自驾驶。
我们的规则是，每个模型测三组，分别为性能组，极简组，创意组，大概就是旗舰机，千元机，小众机的区别。
先来看旗舰机吧，做得最好的是GPT-5.6 sol、DeepSeek V4 Flash和Kimi K3，三者都顺利进入了稳定的轨道。
GPT 5.6的设计非常稳重，一共52块零件，可以说飞得很稳。
而DeepSeek这边只用了40块，我体感比GPT的更好开，一键就能入轨，梁叔依旧是你梁叔。
而Kimi K3这台属于是GOAT了，只用了37块零件，效果超越了所有玩家。
如果说成功的机器都非常相似，那么失败的机器，那就是各流各的口水。
被我们寄予厚望的Fable5，做了一头会飞的猪，属于走地机。
Gemini3.6不知道做了个啥，开始原地打滚。
豆包专业版放弃了点火，采用了水炮推进，企图cos消防车。
而GLM5.2的思路最为独特，选择用自爆把自己送上太空。。
还是不得不说啊，AI太有活了。。
接着是极简组，提示词大意是，用最少的模块完成任务。
做的最好的，依旧是Kimi K3，极简组唯一完赛的模型，只能说公司叫月之暗面不是没道理的，天选航天模型。
而剩下的，除开GPT5.6以头抢地，其余选手，全部燃料不足。
而真神是Gemini3.6，居然采用了和性能组豆包相同的水炮打法，这也是本次实验里唯二的喷水打法，属于是高山流水遇知音了。
最后是创意组，大概就是让他们随便造，怎么有活怎么来。
只能说艺术和性能是无法兼顾的，这组没有一个模型完成比赛。
但大伙交的作业，还是太艺术了。
Deepseek V4Flash 在Cos生日蜡烛。
Fable 5 在 cos 飞天陀螺，于月之暗面坠机。
GLM5.2放了个闷屁然后开了个伞。
Kimi K3采用了散打的办法。
豆包与Gemini依旧同根同源。
而最艺术的，还得是GPT5.6 sol，这形状你敢飞我都不敢看。。。。
测了一圈，大模型能完赛的概率小中之小，所以这比赛还是非常有难度的。
在我们看来，每个模型都有自己的工程能力，但确实不多。
更有意思的是，我们发现每家模型基本都有自己的“工程性格”，GPT、kimi、DeepSeek这样的模型的思路比较稳重，而Fable喜欢复杂、华丽却不实用的结构，而Gemini和豆包，可以用天马行空来形容。
在与夏天的交流中，他也给出了类似的评价。
“我们发现 GPT 5系列，很喜欢给机械上加非常多的钢筋，把它弄得很牢固。用 Fable 5 的时候，它会给出一些非常节俭的一些方案。GPT 4系列则很抽象，它会试图用木板造机翼。而豆包，它造车、造火箭确实不太好，但它造大型桥梁造的非常的好。
所以 BuildArena 确实能发现不同的模型在建造这件事情上，它是有一定的个性，或者说偏好的。”
与AI的交流过程
你别说，在江江看来，这竞技场还真有意思啊。
首先，它可以成为一个新的AI测试题。想必大伙已经厌倦了那些跑分榜单了，那些数字代表啥，一般人根本认不全。
而BuildArena不一样，它要求 AI 把能力反映在一台机器上，操纵机器的每个人都能直观感受到，这个机器稳不稳定，好不好开，以及会不会坠机。
Fable5-爆装备了
其次，我们还可以摸清一些模型的性格，搞清楚模型擅长什么，不擅长什么。
在操作的过程中，我也发现AI经常会犯错，比如把火箭的方向搞反，或者把模块互相卡在一起。
落地即散架的豆包
这也表明，AI对物理世界的感知仍然有限。即使有些模型能想出很有意思的总体方案，但一进入需要精确对齐、多个结构配合的任务，就会明显变得抽象。
这就可以看出，现在的大模型，依旧存在更高理论上限，因为它们对世界的理解还在盘古开天时期呢。
或许未来的模型，被投喂更多关于空间的数据后，会有一个更好的性能提升，也会让 AI 离真实工程更近一步。
带着好奇，我们也找到了吴泰霖老师，聊了聊他对BuildArena的最终愿景。
吴老师与卡皮巴拉（卡皮巴拉是实验室的吉祥物）
他说，他们希望未来的任何的工程，我们人类只需给一个开头的任务目标，以及收尾的验收标准， AI 就能通过设计、建造和迭代来做出相应的东西。
“就比如，可能未来人类如果还要登月，面对太空这种非常复杂的环境，我们希望AI能够根据实际的环境，进行自进化，再设计新的一些工程建造。而且我们认为游戏的话，它是一个很快的能够得到反馈的一个场景。我们先在游戏中来锻炼AI，之后的话，我们也可以把这样的方法用在现实中。”
这个竞技场应该会一直办下去，可能今天是环绕星球，未来可能就是火箭回收、星际航行，甚至流浪地球了。
吴老师在向我们展示导师赠与他的签名版书籍
当然，江江看来，游戏只是第一步。机器为什么会飞、为什么会散架，背后的记录都会被留下来，帮助研究人员搞清楚AI到底缺了哪种能力。
等它学会根据物理结果不断修改自己的设计，这套方法也许就能慢慢走出游戏，进入更专业的设计软件和仿真环境，最后再去面对现实世界。
最后，咱也问了吴老师一个问题：“如果您刚刚说的最终愿景是一百分的话，那么您觉得咱们现在大概是几分？”
“我认为是 20 分。但我认为，它的上限不是 100 分，它的分数应该是无限的。因为我们能建的东西是无限的。”
可能这就是地球Online的魅力吧，它的上限还真是无限的。
所以表面上，这是一群研究者在游戏里搞耍；但实际上，他们是在和AI探索工程的未来，而且是无限开阔的未来。
或许在不久的将来，当我们回望这些在屏幕里令人发笑的飞船时，就会发现，正是从这些游戏开始，人类才摸索出了如何与AI并肩，然后创造一个前所未有的世界。
最后，感兴趣的大伙，欢迎在 tailin.org 主页联系吴老师，点击阅读原文（https://build-arena.github.io/ConstructionChallenge/）即可报名参赛！
撰文：不咕
编辑：江江&面线
美编：素描
图片、资料来源：
BuildArena官网
西湖大学实地探访
哔哩哔哩，沉默的风，《如何在4分钟造一架歼20？最新宣传片曝光！》
热门跟贴