爱诗科技，实时视频模型在杀进互娱赛场

Coding 之后，游戏的“GPT 时代”还要多久？

作者丨董子博

编辑丨林觉民

继 Vibe Coding 的风潮之后，AI 圈最热的概念，已经变成了世界模型。

谈到世界模型，人们想到的往往或许是驱动具身机器人的“大脑”，指引自动驾驶的“向导”，模拟物理世界的“沙盒”……但今天，技术路线还远未收敛，落地场景也尚未成熟。世界模型还像一个“并不完善的锤子”，寻找着一个“不一定存在的钉子”。

如果抛开今天纷繁复杂的学术流派，什么样的世界模型才是有价值的？爱诗科技的联合创始人王长虎一针见血：“真正重要的问题是，它（世界模型）能不能生成一个可持续的环境？能不能响应行动？能不能根据用户输入实时变化？能不能让交互结果保持一定的连续性和逻辑？”

如果模型只能生成内容，那么不管视频再漂亮，它距离“世界模型”的概念就还有很远；相反，如果用户能和一个生成出的世界互动，即使效果还相当有限，那么在王长虎看来，它也接近了世界模型的核心问题——交互。

作为探索世界模型的引领者，爱诗科技也瞄向了互动娱乐的场景

01

3 个女孩，3周完成概念PV：视频模型能给游戏带来什么？

某个深夜三点，线上语音里，三个女孩正在热火朝天地讨论着她们喜欢的乙女游戏。

“如果能够穿越到 XXX 的世界里，那该有多好啊。”在这样的想法下，她们萌生出了自己制作一款游戏的念头。

她们想要的，是主人公可以穿越无数的世界，和其中形形色色的男主人公邂逅，并与他们发展一段浪漫的情缘——而这种量级的游戏，要生成足量的场景、人物，还要能够与其互动，消耗的人力、物力、财力都不是一个三人独立团队可以承担的。

而现实是，在爱诗科技实时视频游戏引擎与多模态模型的技术支持下，三个女生只用了三个星期，就手搓了一款快穿题材的乙女游戏 PV，视频在全网获赞破万。

这样的故事，在过去甚至很难被想象；到了今天，越来越多人正在加入使用 AI 制作游戏的道路，其中就包括了叠纸科技的前 CTO Junbai，在爱诗科技 PixVerse Game 的生态中，自研 AI 游戏引擎。

AI 对游戏行业的加持，无非分为两个层面。

首先，是人尽皆知的，内容生成的提效。过去，在一个乙游项目中，从建模到贴图、骨骼、动作等等方面——制作一个男主角需要的时间，要 3-6 个月的时间。而使用视频模型生成，实现同样的演出效果，只需要 3 个星期的时间，AI 的提效实现了最高 8 倍。

生成资源和素材，是 AI 让游戏变得“好看”；而游戏不止是画面，还有规则、反馈、角色一致性、互动等等方面，要让游戏“好玩”，AI 还有很多能做的事情。

过去的游戏，即使再以“自由度”著称，玩家能做的一切动作、达成的一切结果，都是在脚本中写定的。而 AI 实时视频和世界模型，则给了游戏互动的全新可能——玩家可以边想象、边生成、边互动，没有一定之规。

以刚刚提到的，快穿乙女游戏为例，玩家想要随时穿越到不同世界，在不同身份、不同关系里找到“另一个我”。而游戏中，玩家可以定制自己的游戏体验，从剧情、选择、人设、世界观不一而足，AI 能实时地为玩家生成这些定制化的环境，实时演绎玩家想要的故事。

不同于今天对于 AI 内容，大多数人持有的保守反对意见，网络上对于三个女生制作的游戏宣传视频，反而好评不少，不少网友都表示相当期待，等待游戏上线的那天。

实际上，玩家反感的不是游戏的 AI 工具，而是没有“灵魂”的 AI 内容“以次充好”——相反，如果 AI 能为游戏实际提供更好的体验和吸引力，用更自由的玩法和更丰富的内容来服务玩家，玩家当然没有拒绝的道理。

02

世界模型，是游戏引擎的未来

AI 能力，今天在游戏制作的角度上，究竟能做到什么程度？

前面提到的，爱诗科技推出的 PixVerse Game，将于今日正式在海外上线，成为市场上首个基于实时视频的游戏引擎。

过往的游戏开发架构，是在一个拥有独特规则的世界中，放置角色、场景、摄像机等等元素；而 PixVerse Game 几乎颠覆了这套流程，要把一款完整的游戏，直接构建在一条实时互动的视频流上，用 PixVerse R1 实时世界模型画面的持续生成，去替代掉传统游戏的渲染工作。

用简单的方式理解，传统的游戏是一个玩具箱，玩家只能用箱子里已有的玩具玩耍，游戏设计者决定了你能玩到什么玩具，以及要怎么玩这个玩具；PixVerse Game 则像一个和你一起写故事的人，你来决定故事的大纲，AI 则负责把它们落在纸上，变成你游戏的剧情。

在联合国 AI for Good Global Summit 2026 期间，爱诗科技的联合创始人谢旭璋在分享时说道："这不是让 AI 生成一种'像游戏的视频'，而是探索一种新的游戏生产方式——To Create is to Play。创造本身，正在变成游戏的一部分。"

PixVerse Game 架构的一端，是抽象游戏机制引擎，负责整套游戏最重要的逻辑和数值，分析游戏的目标、管理玩家的资源、判定游戏的胜负，也就是所谓的“规则”。开发者应该可以在可视化、低代码、弱门槛的情况下，用自然语言也能设计自己的游戏。

架构的另一端，是实时视频生成层，通过自回归的世界模型，来持续生成多模态的、电影级音画品质的游戏世界。游戏生成的内容，可以和先前在游戏世界中发生的事情连续连贯，不是忘掉过去、另起炉灶，而是继往开来、锦上添花；同样，模型也必须能够理解基本的常识，从物理世界的运动规律、场景变化，到情感世界的人情往来、故事发展。

这两端之间，是 AI 智能体的编排层，承担玩家意图理解、游戏机制评估、保证世界一致等工作，联通规则和画面，使二者可以同步。

三层架构设计，给了 PixVerse Game 几个相当关键的核心 Feature。

首先，是游戏机制与表达的完全解耦。游戏的机制是抽象出来的规则，而表达则往往是具象的叙事，以之前跳动的快穿乙女游戏为例，玩家想在古代、民国、奇幻等各种世界、时代设定中自由穿梭，用传统的开发管线，就意味着美术资源的全盘推翻重做。

但实际上，机制和表达这“一表一里”并非不能拆开，在规则写死的情况下，世界的“长相”可以即时生成。同一套底层机制，可以是仙侠背景，也可以是赛博朋克、末世废土……这个在传统开发流程中，占用了大量人力物力的工作板块，AI 不仅可以更好地接手，更能根据用户的需求随时修改，给开发省去了不少苦功夫。

其次，是生成式的游戏循环。用人话说，就是让用户的每一次操作，都反馈到游戏里，让游戏现场长出新的内容。和与 AI ChatBot 说话一样，玩家在游戏中的输入，也可以被 Agent 抽象成为意图，进入抽象机制层算出“状态变化”，最终用实时的世界模型，实时生成新的画面和声音。

玩家玩到的内容，都是“现场现编”——某种程度上，即使游戏的开发者都不会完全知道，玩家的行动，会导致怎样的后果。一款游戏能够被重复体验的价值，也就体现在这里。

最后，是实时的一致性编排。游戏的本质是“行动-反馈”的循环，玩家在游戏中做了一件事，如果没能得到实时、准确、直接的反馈，也就自然不能获得好的体验。如果玩家好不容易找到了屠龙宝刀，但在战斗时没法使用；或者玩家终于完成了一件大任务，其他与之相关的 NPC 却置若罔闻，游戏就容易让人“出戏”。

在 PixVerse Game 的 Agent 编排层，AI 就像一个“场记”，一直关注着剧情的上下文、视频生成的内容、游戏机制规则的限制等等条件，并且在玩家意图、规则允许、模型能力三者发生冲突时，给出折中的解决方案。

要让游戏机制和视频生成“握手”，中间一定要有 AI Agent 从中协调，来保证 AI 生成的游戏世界可以足够“真实”。

03

结语

世界模型落地，爱诗科技为什么选择了游戏场景试水？

AI 改变科技圈，改变的是人机交互——人类能够通过自然语言和互联网信息交互，并且得到 AI 直接实时生成的定制内容。

而作为第九艺术，游戏的本质就是交互，是刚刚提到的“行动-反馈”循环。生成式 AI 能为游戏带来的，则是游戏交互范式的巨大革新：玩家不再只是游戏内容的“消费者”，而是成为和游戏开发者一样的“共创者”，让同一个游戏有无数种不同的玩法。

同时，游戏作为今天相当成熟的 ToC 产品，离用户更近，离钱也更近，开发者众多，也有完备的分发渠道和社区环境。对于“高高在上”的世界模型，是一个更容易创造价值、更容易找到数据飞轮的场景。

今天，爱诗科技的 PixVerse 已经在全球范围内找到了不计其数的用户，帮助他们创作了更多的作品，在互联网上收获了不少粉丝。通过“全球产品+商业化+世界模型”的技术产品组合，爱诗 C 轮融资获投 29.8 亿元，证明市场对于视频模型商业落地前景仍然相当看好。

在过去十余年中，游戏市场上最成功的项目——Minecraft 和 Roblox 都是主打“创造即游玩”的概念，依靠巨大的用户群体创造了无拟的商业成就。

而爱诗的 PixVerse Game 也是循着一样的路，把创造的能力借由 AI 交给玩家，给游戏消费设计了一个全新的闭环。

AI 对互娱行业的变革，还正在黎明。谁能让玩家一同加入成为创造者，谁就抓住了定义未来交互的先机。雷峰网