Alaya Lab：为AGI构建下一代游戏工程

游戏与 AI，相互演进

AGI会在哪里诞生?Alaya Lab把答案押在了游戏上。

从 AlphaGo 在围棋领域取得突破、OpenAI Five 击败《Dota 2》世界冠军、到 Google DeepMind 将研究拓展至《EVE Online》这样的大型开放世界多人在线游戏，以及近期 Vibe Game 与世界模型的火热，游戏不断为 AI 提供更加复杂、开放的环境，带来接近甚至超越现实世界复杂度的挑战。

与此同时，生成式 AI 也开始反过来重塑游戏工程。

从策划辅助、自动化测试，到 2D、3D、音乐等资产生成，再到快速发展的编程智能体，生成式 AI 正加速融入游戏研发的各个环节，持续提升生产效率与内容质量。AI 的深入应用也在催生新的交互机制与内容形态，各类 AI 原生游戏加速涌现。

Alaya Lab 相信，游戏不只是娱乐产品，也是通往 AGI 的重要路径。

下一代游戏将拥有更宏大的世界、更丰富的交互，以及持续演化的人机共生生态。它既是 AI 学习与推演、实现自我进化的重要环境，也将成为人类与大规模智能体协同创造、共同演化的全新空间。

基于这一愿景，Alaya Lab 正式发布Project Gear，探索下一代游戏工程与游戏形态，让游戏成为推动智能进步的超级工程。

Gear 由两个核心部分组成：

• Gear Engine：面向游戏制作，并探索下一代游戏世界形态。在编程智能体、资产生成、自动化测试等现有游戏 AI 应用之外，Alaya Lab 更着眼于下一代基于混合世界模型的游戏世界构建、运行与持续演化。
• Gear Platform：面向多人、多智能体协作，探索大规模人与智能体如何共同完成复杂工程。其中，Gear Zero面向大众创作者，Gear Cadre面向专业团队。

Alaya Lab 希望通过 Gear，连接 AI、游戏与创造者，共同拓展下一代游戏工程的边界。

• 官方网站：https://alayalab.ai/
• Gear Zero 测试体验地址 https://zero.alayalab.ai/

Gear Engine：重构游戏制作方式

Alaya Lab 着眼于下一代游戏世界的构建与运行，通过Gear Engine探索游戏生产与运行范式的革新。

一方面，Gear Engine 提出World Compilation，探索显式世界建模，将视觉世界自动编译为结构化、具备物理属性与交互逻辑、可直接执行的世界系统；另一方面，通过视频世界模型探索隐式世界推演，实现高自由度的世界按需实时生成与改写，并重点解决可控性、画质漂移、时空一致性与实时生成等关键挑战。

在此基础上，Gear Engine 正进一步推动显式建模与隐式推演的融合，探索面向下一代游戏混合世界模型：既保留显式世界的可控性、稳定性与可执行性，又发挥生成模型在规模化内容创造与开放式世界生成上的优势，逐步构建由 AI 驱动的游戏生产与运行体系。

World Compilation「显式世界建模」

World Compilation 围绕 Structure、Interaction 和 Program 三个层次，将视觉世界编译为显式、结构化、可编辑、可执行的表达。

在 Structure 层，WorldSculpt 从视频中重建世界的显式结构，恢复场景中各个物体的几何形态、空间位置及相互关系。WorldSculpt 的输出与视频对齐，无需针对物体布局进行额外优化。因此更适合游戏所需的大规模、复杂场景构建（详情见技术报告 Benchmark）。WorldSculpt 也能够将 World Labs 的 Marble 模型所生成的三维高斯泼溅场景分解为独立物体，使原本整体化的三维表示转化为可以被单独操作、赋予属性和参与交互的对象级表示。

在此基础上，PartTrellis 进一步解析物体内部结构，识别并拆分其中的可动部件，从而形成从场景、物体到部件的层级化结构表示，为后续物理属性赋予与交互逻辑构建奠定基础。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

在 Interaction 层，Agent 进一步为世界建立可交互属性，包括关节、碰撞体及其他物理参数，并建模物体与角色在交互过程中的动态行为。与此同时，通过 self-improving 机制，Agent 可以从执行失败、模拟结果与环境反馈中持续学习，不断提升对物理属性、约束关系和交互行为的建模与生成能力，并减少重复推理带来的 token 开销。这一层还进一刻画物体的 affordance 与 functionality：前者描述物体「可以如何被操作」，后者描述这些操作「会产生怎样的行为、功能与状态变化」，从而使世界不仅具备物理可交互性，也具备更完整的行为与功能语义。

在 Program 层，系统将结构、物理与交互规则进一步组织为可执行的程序表达，由 Agent 生成和维护 simulation code 与 persistent state，并结合 procedural generation 高效构造和扩展大规模室外环境，最终将静态视觉内容转化为可执行、可交互、可持续演化的世界。

以视频为表达的「隐式世界推演」

近期新兴的视频世界模型，为游戏世界构建提供了另一条隐式建模路线。它跳过传统的资产制作与代码开发等流程，以视频画面作为表达，模型直接输出用户所期望的画面和交互反馈。

在这一方向上，Alaya Lab 在 7 月陆续推出了Alaya-World与Alaya-EVOKE，针对性解决视频世界模型在可控交互、时空一致性和画质漂移等方面的关键挑战，实现小时级稳定、高自由度的持续交互。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

其中，截至 8 月 15 日，Alaya-EVOKE 位居 WBench 世界模型评测榜首。

针对游戏种的精细动作交互，Alaya Lab 在 7 月还提出了隐式动作模型ShadowDancer，通过样例视频学习动作的隐空间表达，将传统游戏中的「动作库」概念拓展至世界模型，并通过高效的动作提取和动作库持续扩展，从而让世界模型实现游戏级丰富交互。

此外，Alaya Lab 还提出了仿真数据引擎从 UE 中规模化生成第一人称 / 第三人称 / 全景视频与对应的真值深度、白模、光流、点跟踪等几何信息，用于支撑视频世界模型的训练。以及游戏数据引擎从游戏中记录实时游戏世界状态、几何信息和交互反馈。

「混合世界」建模

世界模型凭借高自由度，实时生成和视觉表现等优势拥有极具吸引力的前景，但隐式路线在长时稳定性、逻辑遵循、玩法泛化和运行成本等方面仍存在明显局限，短期内难以全面突破。而显式建模通过结构化表达与代码实现内容持久化、逻辑一致和运行高效，能够与视频世界模型形成互补。因此，Alaya Lab 成立之初便在探索显式建模与生成式推演相融合的混合世界模型：既具备显式世界的可控性与可执行性，也兼具生成模型的规模化创造能力与开放性。

4 月，Alaya Lab 提出了生成式世界渲染器Alaya Renderer。在游戏输出的结构化世界剪影（G-buffer）下，实现高度可定制化的生成式重渲染：游戏负责逻辑，生成模型负责画面。7 月，进一步提出Alaya Renderer-Flash将这一过程推进至实时交互。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

此外，Alaya Lab 在 8 月提出了Marionette，一个将游戏世界建模解耦成「动作 — 状态 — 几何 — 渲染」等环节的混合世界模型，通过黑盒模型模拟显式推演，并结合非参数化的显式几何生成提升稳定性，在交互自由度与长期一致性之间取得突破。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

随着编程智能体能力的快速发展，Alaya Lab 正进一步摆脱对成熟游戏环境的依赖，探索一种以编程智能体与 World Compilation 为基础的新范式：构建可执行、可渲染、可编程的中间世界表达。并在此基础上实现与生成式渲染与编程智能体通过中间世界表进行有机协同与灵活转换，为下一代游戏形态与游戏生产方式提供基础设施。

作为这一方向的第一步，Alaya Lab 近期提出Programmable World Model，以 OBB Box 作为显式的中间世界表示，连接 Coding Agent 与生成式渲染，使智能体能够直接理解、操控和修改世界结构，同时保留生成式模型在视觉表现与世界生成上的能力。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

Alaya Lab 同时也正探索多样化的中间世界表达以及相应的数据引擎，并让混合世界架构在更多游戏类型和玩法逻辑下能够应用落地。

Gear Platform：多人多智能体的协作范式

今天，游戏工程正逐渐逼近现有组织模式下的规模化协作瓶颈。顶级商业游戏往往由数千人跨专业、跨工作室、跨地域共同开发。尽管如此，与国际空间站、曼哈顿计划等推动人类科学进步的超级项目相比，游戏工程在组织规模与集体生产力上仍有巨大的拓展空间。

这一瓶颈，一方面来自娱乐产品的定位对目标与投入边界的限制；另一方面，也源于传统游戏制作高度层级化的组织方式。随着团队规模不断扩大，沟通链路愈加冗长，协作成本与信息损耗持续上升，团队规模与生产效率之间的矛盾也日益突出。

当游戏不再仅被视为娱乐产品，而被重新理解为孕育 AGI 的土壤，其目标边界与协作方式也需要被重新定义。Alaya Lab 希望通过 Gear Platform，探索人与智能体、智能体与智能体之间的高带宽协作范式，缩短信息传递链路、减少层级损耗，让所有参与者都能围绕共同目标，更加直接、高效地协同创造。

Gear Platform 的长期目标是构建一个能够支持上万名人类参与者与百万个智能体围绕同一游戏项目进行高效协作的超级平台，让更大规模、更高复杂度的创造成为可能。Alaya Lab 相信，单纯扩大人类团队，或者增加智能体规模，都难以突破现有生产范式的上限。只有让大规模人类参与者与智能体在持续协作中共同进化，才有可能构建真正面向 AGI 的下一代游戏工程。

同时，Alaya Lab 相信，随着 Gear Engine 逐步成熟，普通创作者也将能够参与专业游戏项目。下一代游戏不再只由封闭的专业团队生产，应汇聚不同的智能完成，有专业开发者，大众创作者，也有 AI 智能体。因此，Gear Platform 由面向大众创作者的Gear Zero和面向专业开发团队的Gear Cadre组成，不同的用户可进行跨平台协作共同推进同一项目。

面向大众创作者的 Gear Zero 测试版近日已上线，一周内便吸引创作者制作近5000 个游戏。

它让专业游戏开发变成自然、轻松的多人讨论。用户可邀请朋友进入同一创作房间，通过聊天共同描述玩法、角色、画面和关卡等要素；Gear 会理解讨论，自动完成游戏规划、代码编写与版本构建，并在数分钟内将创意转化为可直接体验的游戏。

创作中，无需等待 AI 完成任务，仍可继续交流、补充需求或提出修改意见。平台会记住房间里的上下文，持续收集每个新想法，在保留既有内容的基础上生成下一版作品。

无论是验证玩法概念、快速制作原型，还是与朋友实现脑海中的游戏世界，Gear Zero 都能抹平编程和开发门槛，让更多人以对话方式参与设计、迭代和创作，真正做到边聊、边做、边玩。

面向专业创作团队，自由度更高，支持更复杂交互和协作的 Gear Cadre 则预计近期开放测试。

项目测试体验地址 https://zero.alayalab.ai/

Alaya Lab 将携 Gear 平台参加全球最大的游戏展之一「东京电玩展 TGS 2026」，在 TGS 2026 上，Alaya Lab 还将带来正在测试中的自主演化 AI 社区Synthetic World。

它是一个以社交信息流为界面的、持续运行的AI 社会模拟平台。用户设定一个世界，AI 居民在连续的世界日中发帖、回应事件、建立关系、记住已经发生的一切，并自主作出决定。用户可以干预角色的行为、改变事件的发展，甚至重新定义整个世界的运行轨迹。

未来，它将从自行更新的 AI 社区，逐步发展为可浏览、分享和复制的多世界网络，让 AI 社会沉淀历史与文化，让人类成为世界的观察者与干预者。

视频链接：https://mp.weixin.qq.com/s/dFP9I7XO6VwtM_qPo3Cvgg

项目测试体验地址
https://society.alayagames.online/

Alaya Lab

Alaya Lab 团队组建于 2026 年，是盛大集团旗下聚焦「AI × 游戏」前沿研究与应用落地的团队，定位为面向 AGI 的下一代游戏工作室（Neo Studio）。团队围绕 AI 游戏制作、AI 原生游戏、游戏智能体与世界模型等方向，推动技术研究与游戏实践相结合，探索下一代游戏的创作范式与交互体验。

Alaya Lab 团队由数名背景各异的成员组成，既有高被引青年 AI 研究员，也有来自游戏大厂的开发工程师，以及因热爱游戏与 AI 而跨界加入的开发者。多元的背景与经历凝聚于同一个愿景：以 AI 重塑游戏生态，在游戏世界中探索通往 AGI 的更多可能。

在此基础上，PartTrellis 进一步解析物体内部结构，识别并拆分其中的可动部件，从而形成从场景、物体到部件的层级化结构表示，为后续物理属性赋予与交互逻辑构建奠定基础。