把“能玩”这件事又往前推了一点
游戏圈的“圈”是不是快被打破了？
这里的“圈”指的是行业边界、品类隔阂，放在几年前，这样的问题多半会被当成标题党，但随着AI技术的发展，今天再问，恐怕连最保守的从业者，也要承认边界的松动。
今年以来，行业对于“AI+游戏”的讨论从“能不能做”迅速转向“能做什么”，这种转向正从模糊概念走向具体成果，我们越来越频繁地看到，AI正从帮游戏开发者干活，转变为直接参与游戏世界本身。
爱诗科技今天正式公布的通用实时世界模型PixVerse R2，更是让人对此深有体会。这家公司来头不小，创立以来累计融资超50亿元，今年7月完成最新一轮C+轮融资后，估值超20亿美元（约人民币134亿元），投资者中不乏巨人网络、中国儒意、三七互娱这样的游戏厂商。眼下，爱诗科技刚刚发布新模型没多久，产品就迅速登上twitter热度总榜。
如果你平时关注AI领域的发展，或许会对这个画面有点印象：一片白茫茫的雪山上，匍匐的士兵正手持望远镜在观察敌情，画面随着下方文字框的情景描述开始产生变化，先是飞来一只乌鸦，再然后，士兵被敌方发现，开始了一场惊心动魄的追逐战，奔跑、摔倒、轰炸，而短片最后，士兵再度举起望远镜，竟看到了几分钟前、手持望远镜观察敌情、匍匐在地的自己。
这是PixVerse R1的演示视频，看起来像是一部微电影，而今天发布的PixVerse R2，在保留了R1的画面长板后，又在互动性上迈了一大步，我们能体验到的空间变成了可步入、可360度观察的3D场景，它的能力得以在更完整的场景里被进一步验证。
话不多说，我们这就来看看PixVerse R2能做到什么。
真能一句话改变剧情？
上手试玩PixVerse R2，我最大的感受是，它并不是简单地生成一段视频，更像是给了人一个可以持续进行的场景。
先说PixVerse R2提供的“世界”，在这个作品中，孤身披甲的武士站在被白雪覆盖的山顶寺庙前，远处的篝火照亮了寺庙的大门，这是此行的目的地。我们可以通过WASD控制角色的移动，通过方向键控制视角，发出对应指令后，巨龙盘旋飞至上空。
除了这个颇有单机风味的世界，还有一个以梵高内心世界为主题的第一人称“世界”，也值得说道。它的导入环节就好像时空穿梭仪器，当你选择进入，你就会从冷肃整齐的实验室跌入热烈的梵高世界，《星月夜》《麦田群鸦》《梵高的椅子》.......一幅幅耳熟能详的作品变成了能够感知的3D世界。
场景变换会响应你的选择，prompt发出后，你就会来到新的梵高世界。仅从第一眼的视觉呈现来看，PixVerse R2实现的效果已经称得上是优秀，但更重要的是其背后的技术实力，每一个世界的地形反馈都是实时生成的，探索在其中是有意义的。
美中不足的是，PixVerse R2本次并没有全量开放自然语言输入功能。不过，爱诗科技相关人员告诉我们，这一功能在“满血版”PixVerse R2中是完全可以做到的。也就是说，随玩家行动动态生成的地图、路线、环境节点和局部事件，已经不再是技术上的想象，而是可以切实实现的成果。
我们目前能在互动影游里上手体验这一成果，爱诗科技这次与平台里的AI创作者基于PixVerse R2合作推出了几款互动影游，其中一款《零印法师》（Zero Mark）便有通过自然语言改变剧情的环节。
《零印法师》的开头是再典型不过的少年逆袭故事，故事发生在中世纪魔法学院的设定下，连续两年获评魔力0的主角和同伴一起组队外出冒险，他为了保护青梅毅然决然挺身而出，独自引走了怪兽。和蜘蛛怪兽的大战场面一触即发，这时，我们就能输入魔法咒语指令，召唤生物来战斗。
我没用游戏给的提示词，试着输入了“Tiger”，没想到主角竟然真的实时念出了咒语，并且召唤出了十分威武的老虎来进行反击；
主角最终还是不敌怪物，跌落悬崖。相信大家看到这里已经知道后续剧情了，掉崖后必定遇到绝世神兵/武林秘籍/世外高人的套路在中世纪魔法学院也适用。主角将在这里遇到被封印在此处的史上最强的黑魔法师，但是在基于PixVerse R2构建的《零印法师》中，这里出现的黑魔法师并不是预设好的剧情动画，而是一个可以实时互动的数字人。
我可以用自然语言和他说话，交流，角色的回复十分流畅，并且始终铭记要说服主角同意自己“寄宿”到主角身上的任务，简直媲美真人。对于一部互动影游来说，这意味着剧情不再只是分支预设的堆叠，它的“演员”第一次真正拥有了临场反应。
实时世界生成、指令剧情演绎、数字人角色互动上的能力升级，这些正是R2相比R1走出的重要一步。用技术上的术语来说，那就是PixVerse R2进一步提升了统一建模、长程一致性和多模态控制能力，用通俗易懂的话来讲，就是它像是把游戏里的“正在加载中”变成了一种持续发生、能被改变的过程。你走到哪里，它就为你展开对应的地图，你想改变什么，它就会演绎你想要的剧情。
虽然，PixVerse R2所带来的体验还没达到成熟游戏的完成度，但它已经足够让人看到一种完全不同的交互方式，而真正值得讨论的问题也就随之出现了：如果我们目之所及的世界可以开始理解交互逻辑与环境状态的变化，那它在研发侧的应用场景，是不是可以被纳入行业的视野之中？
实时、通用两手抓的PixVerse R2世界模型
PixVerse R2对于游戏行业来说最有意思的地方，其实并不只在于它展示的新奇Demo，而是它开始触碰到多年来由电子游戏牢牢盘踞的领域——互动娱乐。无论是实时世界模型的地图变换，还是互动影游中的“言出法随”，抑或是数字人宛如真人般的流利对答，本质都是内容生产方式的新思路。
传统的互动影游其实很早就在想方设法提升玩家的参与感，但能做的无非是多加几条分支选项，在有限素材的框架内提高游戏的自由度，而PixVerse R2提供的新内容生产方式，是让模型对用户的选择进行实时反馈。
上面提到的《零印法师》就是一次很直观的尝试，它依然有完整的故事背景和人物设定，但用户不再只是按照选项推动剧情，参与度大大提高，游玩体验也有可能变得更加专注。
如果把同样的能力迁移到更大的3D空间里，一切就变得更有趣了，比如开放世界。
游戏行业现在的共识是，开放世界成本高昂，地图做得越来越大，但玩家抱怨“没新意”、“没意思”、“幻视XXX游戏”的声音越来越多。游戏行业也在积极探索新方向，前不久首曝的《未眠野》便提出了“涌现式设计”的概念，主打万物皆可交互。
说起来，“涌现”这个词近几年也是大语言模型的热点词汇，它指的是随着系统规模增加而产生的新属性，可以说，PixVerse R2作为实时世界模型，想要达到的效果或许也能用这个词来形容。
《零印法师》中也包含一处用WASD和方向键控制角色行走的空间，这是一处覆盖着茂密植被的森林，我试着偏离既定的道路往一旁走，PixVerse R2也能生成一条新的掩藏在植被中的小路，通向最终目的地。
如果换成传统的大世界游戏，想必脱离会遇到空气墙，这也在所难免，在玩家看来这可能就是绕个路的小事儿，但放到开发侧，想要能做到随便绕路的效果，就意味着要给这片场景的物体做碰撞、做建模，工程量不可谓不大。
PixVerse R2真正让人期待的，是展示了一种让世界自行“理解”规则与逻辑的可能性，开发者不必为每一种情况预设答案，模型能够推断下一步的合理变换。
事实上，这也正是PixVerse R2在一众实时世界模型里最突出的特色。过去，业界普遍认为，作为离散符号的语言天然适合规模定律，Sora的出现证明了这一规律同样适用于视频生成，但是在实时世界模型领域，追求速度的实时与追求准确的通用是一对不可调和的矛盾。
要快，世界模型就得小，快速跑出结果；要准，世界模型就得大，见多识广理解各种场景，但爱诗科技PixVerse R2找到了一条调和之路，让多元信号被“token化”，让实时世界模型看到新的可能性。
PixVerse R2是这条道路的起点，但它描绘的未来，无论是对实时世界模型领域，还是对游戏行业，都已经足够诱人。因为当一个世界可以被实时生成、被自然语言改变，它便会自然而然产生另一种体验：创作即是游戏，也就是UGC的核心乐趣。
从Player 到Creator, 玩家即创作者
对于爱诗科技而言，UGC并不是什么陌生的新领域。
由PixVerse 实时世界模型所研发的原生游戏引擎PixVerse game已经在海外搭建起UGC生态，目前，PixVerse全球用户数已超过1.5亿，平台共有12148个UGC游戏内容，3515个精品游戏公开发布在平台首页。
PixVerse R2发布没多久，很快赢来了一波热烈，一批用户也已经开始尝试用它创作属于自己的游戏化体验，上面提到的《零印法师》，也是PixVerse R2支持下的用户作品。
这些UGC作品目前还不必被定义为成熟的商业游戏，它们真正的价值在于证明了这样一件事：过去需要专业开发工具才能迈出的第一步，现在可以直接靠打打字迈出去了。
当游戏体验可以用自然语言参与生成，世界不再完全由开发者预先枚举和定义，游戏的创作门槛迎来大幅降低，玩家与创作者身份之间的那条分隔线自然而然会变得模糊。
从这个角度看，PixVerse R2提供的UGC生态，很可能不止会为内容体验带来变化，而是会作用到人的身上，让用户成为创作者，因此，PixVerse R2的能力边界，很可能也不止停留在“游戏内容生成器”上，而是可以扩展为“体验生成底座”。
不过写到这里，我反而觉得，没有必要着急给作为探索之路起点的PixVerse R2安一个特别宏大的称号。
对于爱诗科技而言，PixVerse R2的发布更像是一次明确的阶段性升级。从R1到R2，他们首先验证世界模型能不能真正进入实时交互，R1跑通了，PixVerse R2的重心就转向更稳定的世界、更长程的一致性，以及多模态的控制能力。
从我们的实际体验来看，PixVerse R2已经收获了一些很具体的成果：用户能够进入实时生成的空间，能够通过WASD移动，能随意转变视角观察生成的场景，能够直接输入自然语言推进剧情.......世界的连续性已经开始逐渐显现。
我们确实很难在现阶段认证“一句话生成开放世界”已成为现实，但至少，从R1到R2，这条路正变得越来越具体。
热门跟贴