千人联机世界模型“RhOS-World: Khora”正式发布

如何让无限多个智能体看到同一个世界？RhOS-World：Khora，给出了破局的答案。

上周，X上悄然被一段“世界模型生成的游戏宇宙”刷屏了，甚至还煞有介事地搞起了全球玩家击杀排行榜。

在目前开放的可玩Demo演示里，8个玩家正同处在一个3D空间中。他们不仅能上下楼梯、到处转悠，甚至还能端起武器相互攻击、一枪毙命。乍一看，这画面平平无奇，甚至有点像早期的粗糙独立游戏。

如果你以为这只是个普通的小体量联机游戏，那就大错特错了。真正让硬核极客们在评论区集体炸锅的细节在于——如果用Unity或虚幻等传统游戏引擎来写，8人联机确实是小儿科；但这个3D射击世界背后，根本没有任何一行传统物理引擎的代码！

这8个人看到的所有视角、踩过的每一级台阶、打出的每一颗子弹以及中弹后的倒地反馈，全都是由一个AI世界模型在底层实时“脑补”出来的。

懂行的朋友都知道，以往的世界模型一直被死死困在“单机游戏”的魔咒里。它们只能围着单一观察者转，一旦尝试塞进多个人，AI就会当场精神分裂——要么多视角的物理逻辑彻底崩塌（玩家A看到的墙，玩家B直接穿了过去）；要么为了强行对齐画面，算力成本呈指数级暴涨，直接把显卡烧冒烟。

而这个Demo的出现，意味着AI终于跨越了多视角物理一致性的天堑，真正摸到了《头号玩家》里那个绝对同步的共享联机宇宙的门槛。

但如果你以为“不用游戏引擎跑通8个人同屏”就是现阶段AI的极限，那就太小看他们了。

就在大家还在疯狂计算“用纯AI跑这8个人得烧掉多少张显卡”时，背后的技术团队RhOS.ai与Ophilus.AI一起扔出了王炸：RhOS-World: Khora。在这套全新发布的世界模型架构里，玩家数量的上限根本不是8个，而是直接飙到了极度离谱的1024人！

在线试玩：https://ophilus.ai/khora

博客链接：https://rhos.ai/research/khora

01. 场景直击：当1024个智能体同处一个世界

忘掉那些只能单向生成几秒视频，三四个视角的“世界模型”吧。想象这样一个极限测试：成千上万个智能体同时涌入同一个类似《CS:GO》的三维空间中。有人在开火，有人在跳跃，有人在掩体旁来回移动。

镜头拉近，16个人物在复杂地图中穿梭。上下楼、跳跃、位移——所有的3D空间交互与Z轴高度变化，在每个视角中实现了完美的动作一致性。

不仅仅是在一个简单的房间内行动，而是能在截然不同的复杂场景中自由穿梭，物理规律始终稳定如初。

这不是预渲染的CG动画，而是一个普通用户可以直接在线操控、实时推演的世界模型物理引擎。

看着上面这些Demo，如果你了解目前AI世界模型的技术边界，一定会感到头皮发麻。

在这个实时运行的多智能体世界模型中：没有穿模，没有物体凭空消失，没有因为视角的转动而产生任何“赛博幻觉”。无论是Z轴的高度变化，还是复杂的人群移动，所有视角的画面都保持着绝对严苛的空间与物理一致性，甚至是视野范围之外的世界演化，也能毫不费力的持续更新。

为什么这个Demo如此颠覆？

因为在过去一年，世界模型虽然一路狂飙，但它们都被困在一个隐性假设里——“单观察者视角”。只要脱离了单视角预测的舒适区，尝试维护多视角一致性，让哪怕仅仅几个智能体同时进入同一个环境，现存的AI世界模型就会陷入死局：如果强行把多个画面拼接在一起让模型预测，计算复杂度会随着视角数量呈几何级数增长，陷入数学上的“维度诅咒”；如果让视角A学习视角B，一步步用弱因果关系推演下一个视角，只会导致误差无限放大，物理世界全面崩塌。

如何让无限多个智能体看到同一个世界？这是横亘在所有具身智能和世界模型面前的一道天堑。

而RhOS-World: Khora，今天正式给出了破局的答案。

02. 揭秘幕后：STBoard（时空黑板），让扩展边际成本归零

真正需要扩展的，从来就不应该是“视频流”，而是“观察者”。

世界始终只有一个，不同的视角，只是在不同坐标下观测它。基于这个最简单的第一性原理，RhOS.ai团队在Khora模型中提出了STBoard（时空黑板）架构。

之前的方法在死记硬背不同视角和画面之间的表面对应关系，模型结构天然和“视角数量”死死绑定，加一个视角，模型就得加一堆Attention，很容易崩溃。

Khora呢？它剥离了“视角数量”与“模型结构”的关系。

在这个架构中，RhOS.ai构造了一块存在于模型内部的、所有智能体共享的“物理黑板”STBoard。这块黑板不记录任何像素和画面，它只持续更新维护整个4D世界的绝对物理状态（State）。

当那1024个智能体在世界中疯狂交互时，模型底层只发生极简的两步：

1.写入：每个智能体根据自己的动作，把局部产生的物理变化（如位置偏移、碰撞）“写”入黑板。

2.读取：每个智能体再从黑板上“查”出当前的世界状态和其他人的坐标，渲染出属于自己视角的画面。

智能体之间，完全不需要直接通信！这就意味着，在Inference（推理）阶段，哪怕你再塞进去一万个智能体，模型的底层结构也不用发生一丝一毫的改变。更进一步地，在10个智能体的数据上训练出来的模型能够直接泛化到1024个智能体，无需任何微调！智能体数量，终于从一个令人抓狂的AI结构难题，降维成了纯粹的工程部署问题。

03. 终局推演：从《CS:GO》的疯狂，到机器人的群体觉醒

为什么要费尽心机，让一个AI引擎去跑通1024个智能体的模拟《CS:GO》？

绝不仅是为了做游戏。这是为了通向真实物理世界的“群体智能（Multi-Agent）”。

如果STBoard能够在极其复杂的虚拟空间中，毫不费力地统摄上千个智能体，让它们在激烈的物理对抗中不崩溃；那么在现实世界里，它的升级版就能完美接管一座无人工厂。

想象一下未来的柔性制造流水线：几十上百台机械臂不再是各自为战的孤岛，它们不需要彼此之间进行海量的延迟通信。它们只需要统一接入STBoard，共享同一套物理时空直觉。

未来，RhOS.ai将更加深入游戏宇宙、仿真环境、驾驶场景，以及真实世界机器人的探索。

结语

Scale up不彻底，等于不Scale up，这是此时代的AI哲学。

第一视角的具身学习正如火如荼，但落地的彼岸仍有些遥远。RhOS.ai在做好具身的同时，选择先在最简单的物理世界——游戏中做第一个隐式世界模型POC，在保证时空因果的一致、合理的同时，解决多智能体/机器人分布式学习的基本难题。

当真实的机器人可以合格地在真实环境运行而不被kick out时，分布式的飞轮学习将代替冷启动的数采变成主旋律，彼时，共享式的机器人世界模型将是核心。

博客链接：https://rhos.ai/research/khora

在线试玩：https://ophilus.ai/khora

更多研究：https://rhos.ai/