蚂蚁把世界模型作为一场儿戏

「热锅上的灵光」

世界模型圈一大难题是定义模糊，起码三四个流派各研究各的，都做了个产品就说自己是真正的世界模型，谁也没法说谁的不是。

蚂蚁旗下的灵波科技疑似把这问题给解决了，因为哥们直接把几乎现有所有方向都做了一遍。

我挨个点进去看了一眼：VLA 2.0、Vision 1.0和VA 2.0属于帮机器人理解世界的物理AI，跟英伟达的Cosmos做的事情类似；Video 1.0是个视频生成模型，但特供具身智能用，强调物理交互，感觉是Sand.ai的竞品；World 2.0就简单了，开放世界生成，跟之前写过的Genie 3、快乐生蚝、PixVerse R1差不多。

整这么多模型啥意思呢，是真能七剑合璧生成高达，还是鸡蛋不能放在同一个篮子里，暂时不得而知了。

有人一定好奇，我怎么会知道蚂蚁更新这么多玩意出来？也太小众了吧。

答案是我一直是灵光的忠实用户，然后蚂蚁把他们这个世界模型装到灵光里了。

对的你没看错，世界模型不装车里也不装机器人脑子里，装手机App里了。

灵光用户都仿生人是吧，演都不演了。

本来以为灵光要完了，结果竟然能想出原地接入世界模型这种续命奇招。AI生成内容变成实时互动，直接去讲Vivix的故事了。

产品团队：又要到饭了同事们！

灵光宣发世界模型这文章里的孙老师是谁，真好奇了

灵光这功能虽然名叫世界模型，实则是一句话生成4399小游戏，对标3D版的马卡龙。

真不是我尬黑，点进灵光预设的几个开放世界，发现左下角和右下角直接多出来两个王者荣耀手游操作台。左边是移动角色，右边是放技能。

技能名都非常二次元。举个例子，在「寻找海边便利店的夏日美好」的世界里，主角能发动「时空·裂变」「繁花·风暴降临」「晶界·时雨」这三个技能，具体指当你点击按钮，角色前方就会出现非常炫彩夺目的特效。

不过这真就只是纯粹的特效，不对环境造成任何持续性的影响，对世界的发展也没有作用，就是纯特效，把我狗眼闪瞎了就离去，不带走一片云彩。

要我说这功能还不如小时候在机房里玩那个金山画王呢，金山画王有个「仙女袋」功能，一点鼠标就能在屏幕上飞出来各种花朵啊蝴蝶啊小星星啊啥的，也很炫酷⬇️

我建议金山画王直接宣传自己是世界模型之母。

说回灵光，除了进入他们预设的世界，你也可以上传一张图片自创世界。

比如我发了一张后室的图，然后⬇️

首先我想说，很多捧杀型博主一提到世界模型就拿后室、梦境、魔法世界这些地方来测，属实是聪明啊。

因为这些地方没有逻辑也没有物理规则，和这世界模型的缺点有异曲同工之妙。

到时候测出来穿墙了、穿模了、错位了、不稳定了，哥们还能竖起大拇指夸一句：太有创意了！后室就是这个味儿！

其次，在灵光预设的那些世界里，角色的技能会根据世界的不同进行个性化定制。

但如果用户自己生成世界，无论你在什么场景，都只能放火放电。

做事做全套啊，难道加一个「自动生成适配技能及图标」的工作流很难吗？

还是说灵光自己都不相信用户能坚持到自己上传图片生成世界的那个阶段

当然这是嵌在灵光内部的手机端世界模型，可能有性能压缩情况，所以我又体验了LingBot-World 2.0的PC端。

被他们挂到Reactor上了

然后发现，PC端的LingBot-World 2.0确实是可以根据世界的不同个性化定制角色的动作的。

比如我生成了一个「深圳电子厂打工世界」，系统就自动给这位工人分配了「焊接任务」「元件分拣」「机器启动」「质量检测」「工具重置」五个动作。

可惜不能自定义指令，不然我还是很想让工人爷爷坐下休息试试的。

总之我资本家上身试了一下，在世界模型运转期间按了几个按钮，成品如下⬇️

看着确实还可以啊。

你别管赛博工人是不是真和虚拟生产线交互了，这视频传出去，老百姓确实得以为蚂蚁准备脚踩宇树科技、拳打波士顿动力了。

但细细一想，我怀疑这就是缝了一下。

之前的那些主打实时生成视频的世界模型，比如快乐生蚝、PixVerse R1，一般都分为探索模式和导演模式。探索模式就是生成一个三维空间，用户可以通过WSAD操作角色四处走动。导演模式就是生成一个场景，用户可以通过输入提示词改变角色状态。

LingBot-World 2.0这不就属于「输入提示词按回车」这步给鼠标宏化了，变成一快捷键了，看起来就是角色会交互了？

不得不说还是挺有思考，直接把世界模型的炒作阈值提到了一个崭新的高度。

后来调研了一下，发现往世界模型里加按钮这个操作，也不算蚂蚁的独家原创思考。

快乐生蚝上个月正式上线了，跟测试的时候最大的区别就是也加了一堆按钮。

但无论是什么场景什么角色，快乐生蚝默认的动作全都是下蹲、跳跃、加速和攻击。

在电子厂不打工打同事，做梦在天上飞也得给空气来一拳。

攻击性极强，建议找弗洛伊德治一下。

除此之外，LingBot-World 2.0还有一个严重的缺陷，就是回避型人格。

以往的世界模型，比如Genie 3，面对墙壁、树木等实体，时不时会出现穿墙、穿模这种违反物理定律的问题，像下面这样⬇️

LingBot-World 2.0就没有这个问题。

因为当角色在蚂蚁的世界模型里行走时，会直接摩西附体，前方的景观全部如红海般被劈开，行人和车辆也尽数主动逃离现场。

不得不佩服LingBot-World 2.0的研究员，有时候穿模穿得太流畅了，我就不禁怀疑，这是不是设计好的？

这种对人类认知的扭曲何尝不是一种神迹呢。

比较出乎意料的是，在穿模这方面，表现最好的居然是快乐生蚝：不仅坚决不穿墙，在开车场景还能下车进房子⬇️

有点领先了。感觉要是阿里别被市面上这波「世界模型=游戏demo」的邪说洗脑，没准能做出真东西来。

但现在屏幕下方的攻击键和左上角的任务栏，属实让人看着有点胆寒了

其实我理解哥几个这么做的意义：

隔壁Vivix、Vidu走刘氏视频生成的那几家，已经在数字人直播赛道把故事讲好了；

咱们做开放世界的，也得找个已有赛道美美蹭上去才能显得自己有用，思来想去就AI游戏吧。

包括最近热炒的什么「三个女生手搓乙游PV」，不也就是PixVerse在自家世界模型里加了对话框和选项，然后直接冠名PixVerse·Game了。

这个暂未拿到邀请码所以还没体验，过两天看看

可以看出，往世界模型里加按钮，让世界模型里的小人会魔法，假装自己的开放世界是开放世界游戏，又不知不觉成为一个世界模型公司自嗨新方向了。

为啥说是自嗨呢？因为以玩家视角来看，就算这些世界模型升级成完全体，我也没有任何使用他们的欲望。

理由很简单，作为游戏而言它们太无聊了。

真的，就算这些世界模型持续时长达到1小时了，所有的建模都栩栩如生宛若现实了。但没有任何的关卡和目标，也没有任何的剧情故事和人物关系，这不是游戏，这是步行模拟器。

谁玩游戏的目的就是在一个开放世界里走路啊？真有那爱好直接下楼得了呗。

对吧，就算是被广泛认可为开放世界游戏的、「想干啥就干啥」的《GTA5》和《塞尔达传说》，也是有明确的玩法和剧情的，不是把主角扔到洛圣都就啥也不管了你爱上哪探索就上哪探索去吧。真那样就和真实的人生一样无趣了。

玩游戏要么是为了机制，要么是为了故事，两者都没有的话你跟游戏就不沾边啊。Fable 5手搓出来的俄罗斯方块都比你有可玩性。

而且所谓的「言出法随」「随意生成」对玩家来讲也是没有任何意义的。

玩家是玩游戏的人，不是做游戏的人。玩家的需求是直接享用被喂到嘴边的乐子，而不是自己成为一个乐子制造者。

说到底，大多数普通用户根本就没有内容生产的才华，你给他一个毫无限制的想生成什么就生成什么的权力，他却是连自己想要什么都说不明白。怪不得卢梭说人生而自由却无不在枷锁之中

没有用户心智的产品就算产品能力再强也只是一滩烂泥。福山之前做过一个国家能力-问责制的二维坐标系：大意就是有的国家制度健全，执行力也强，就都挺好，比如北欧；而有的国家虽然制度很齐全，但执行力还是很差，最后就现仍是一坨，比如尼日利亚。

我们真的需要最适合AI产品体质的坐标系：横轴是产品能力，纵轴是用户心智。现在众多世界模型产品（特指硬蹭游戏的这批）就是产品能力又差，用户心智又没有，除了自媒体之外没人用，连尼日利亚都算不上，纯纯AI产品届的索马里。

太恐怖了，只能说这艘海盗贼船你们谁爱上谁上。

总之，虽然不知道这些世界模型到底有什么作用，但我还是很期待此类世界模型产品越来越多，然后讲越来越疯狂的故事的。

毕竟在沉闷的、所有人都在研究怎么提高生产力的AI产品圈，有人愿意在这种看不清未来的东西上投注精力和注意力，怎么不算是慈善家呢？

（本文封面由ChatGPT 生成，纯人工写作）

⬇️

欢迎订阅我们的Substack

funeralai.substack.com