从“看视频”到“造世界”，昆仑万维开源Matrix-Game，这波操作太狠了！

就在前两天，昆仑万维官宣了一件大事——他们开源了自家的交互式世界模型：Matrix-Game。说得更直白点，就是他们整了一个能“自己玩”的虚拟世界生成器，你按个键，它就能瞬间造出一个三维游戏世界来，不光能看，还能操控，走得动，打得响，跟真的一样。

这事儿听起来有点科幻，实际操作起来还真就不远。现在AI不只是做图做文，它也开始做“空间”，你说往前走，它就给你生成路；你想跳个池塘，它就给你做出溅水动画……这种能听懂你操作的虚拟世界，才是真正“有脑子”的AI。

游戏也ok

我第一眼看到这个新闻的时候，还以为是哪个游戏公司搞的“元宇宙2.0”。结果一看，原来是昆仑万维。要知道，这家公司之前靠大模型天工出圈，现在居然卷到了游戏和空间智能的赛道，说明他们是真的在图谋一个更大的生态。

就拿这次的 Matrix-Game 来说，它不只是给你生成一个“好看的视频”，更是一个“可玩”的世界。你往左走，它世界里的视角就跟着转；你按攻击键，画面中的树就真的被你砍倒。这哪是生成视频啊？这是在生成“命运”。

有什么区别？

你可能会问：那和微软那个 MineWorld 有什么区别？

我直接上结论：Matrix-Game 在“听得懂人话”和“动得自然”这两个方面，做得明显更细致。比如你按住 W 前进，它不会像有些AI生成的那种“走两步开始抽搐”，而是很丝滑地从林子走到水边，再跳起来视角一变，河底都清晰得像在游泳池看水草。

再比如那种组合动作，像“前进+攻击”或者“跳跃+转头”，一般模型很容易生成得不连贯，中间画面断掉。但 Matrix-Game 做到了从头到尾不掉线，树是你砍倒的，池塘是你走过的，每一帧都能追溯你的操作，互动真实得离谱。

可以互动的世界

我特别喜欢它“生成的不是录像，而是一个可以互动的世界”这件事。想象一下，过去我们做游戏得画图、建模、写代码、调物理引擎，一套流程下来没半年出不了一个Demo。而现在，输入一个动作命令，就能得到可交互的三维游戏画面。这对游戏行业来说，真的是降维打击。

而且它也不只是局限在像 Minecraft 这样的风格。Matrix-Game 已经能泛化到城市、古代建筑、沙滩海岛等等各种场景。你想在大唐街头遛弯，它能给你搭出一个洛阳城；你想在东京夜市砍个Boss，它照样能安排。

超狠的数据系统

从技术上来说，Matrix-Game 最大的底气，来自于它背后那一套超狠的数据系统。

他们自己构建了一个 Matrix-Game-MC 数据集，光无标签的预训练视频就收了 6000 小时，经过层层筛选后留下了 2700 小时的中质和 870 小时的高质数据用来训练；然后又用虚幻引擎和 Minecraft 游戏生成了 1000 小时带动作信号和环境反馈的标注视频。

注意哈，这不是瞎录一堆视频就完事了，而是包含了用户的控制信号（键盘鼠标操作）、环境响应（比如树砍了掉落方块）、人物动作、镜头视角变化等精细信息。说白了，就是你按一下方向键，它能知道你是想走路还是想偷懒滑行，还能判断你是不是撞墙了。

这些操作数据一汇总，Matrix-Game 就学会了像人类一样“边走边看边互动”，不再是死板的脚本动画。

还有评分系统

而且，他们还搞了一套自己的评分系统，叫 GameWorld Score。看名字就很中二，但内容不糊弄。

它是从四个维度评估模型的：视觉质量（画面清不清楚）、时间一致性（前一帧后一帧有没有断层）、交互可控性（你点的操作能不能被准确响应）、物理合理性（跳起来是不是真的变高，掉下来有没有摔）。有了这四个标准，模型优化就不是靠拍脑袋了，真正做到了“有分有参考”。

有意思的是，他们还拿自己的模型跟微软 MineWorld 和另一家创业公司 Oasis 比了一下。结果在这四个维度上全胜，而且在双盲测试里也得分最高。简单说，闭着眼选，大家最喜欢的那个，就是 Matrix-Game。

游戏只是起点

说到这里，有人可能会问一句：这是不是只适合搞游戏的？

我反而觉得，游戏只是起点，Matrix-Game 想做的是“虚拟交互基础设施”。

比如你是个做动画的，现在要做一个人物在城市跑酷的视频，你是亲自一帧帧画，还是让 Matrix-Game 来一波自动生成？你是自己去搭一个完整的场景和人物，还是输入几个关键词让 AI 帮你自动建模？

再比如，你是做 XR 的，要一个可以实时互动的虚拟场景来当背景板，这个模型直接给你动态画面+可控动作，一次性就解决了“画面假”、“交互傻”的问题。

更别说背后还有一堆昆仑万维的家族产品可以组合使用——天工大模型可以给 NPC 加台词、Mureka 自动配乐、SkyReels 编剧情……这个组合拳打下来，你自己就是一个独立动画工作室。

更大的野心

从去年 Matrix-Zero 到这次 Matrix-Game，再往前是天工大模型、Mureka 音乐生成、SkyPaint 图像生成……昆仑万维走得路线真的清晰到不行：不是单纯地拼模型规模，而是围绕“创作力”这个核心，构建一个完整的 AI 创作平台。

说白了，他们不是在卖模型，而是在帮用户造“世界”。

不管是一个写小说的、做游戏的、搞动画的，还是纯粹想玩一玩“如果我是上帝”的设定，只要你有创意、有想象力，在这个生态下都能快速把它变成“可看、可玩、可控”的虚拟现实。

而这背后，其实就是空间智能的真正魅力——让机器不仅能看图写诗，更能理解空间、操控动作、模拟交互。

用李飞飞老师的话说就是，二维的图像识别已经到头了，下一步得看谁能搞定三维世界。Matrix-Game 走的，就是这条“从视觉走向空间”的路线。

最后

说实话，这种让机器理解世界、创造世界的能力，一旦成熟，将不仅仅是游戏开发的福音，更可能成为未来“数字人生活”的地基。

比如未来的虚拟办公、元宇宙教育、数字孪生城市管理，都可以通过这种模型生成一个“互动式世界”，你在里面办公、上课、旅行，甚至训练机器人，都会像玩游戏一样简单。

所以你说 Matrix-Game 到底是游戏引擎、视频生成器、还是空间模拟平台？我觉得，它是下一代“世界编辑器”。

不是“剪辑世界”，而是“生成世界”。

这波确实有点东西。等什么时候我也能输入一句话就生成一个能玩的游戏世界，那我可能连Steam都不用下了。自己开一局，自己当主角，也挺好玩。