内容摘要：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

如何让无限多个智能体看到同一个世界？千人RhOS-World：Khora，给出了破局的联机答案。上周，世界X上悄然被一段“世界模型生成的模型游戏宇宙”刷屏了，甚至还煞有介事地搞起了全球玩家击杀排行榜。正式自在目前开放的发布可玩Demo演示里，8个玩家正同处在一个3D空间中。宇宙语他们不仅能上下楼梯、机器到处转悠，人智甚至还能端起武器相互攻击、网易一枪毙命。订阅乍一看，千人这画面平平无奇，联机甚至有点像早期的世界粗糙独立游戏。如果你以为这只是模型个往往见不鲜的小体量联机游戏，那就大错特错了。真正让硬核极客们在评比如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。懂行的朋友都知方式，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——关键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）；关键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相同性的天堑，真正摸到了《头号玩家》里那个不过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”就是现时期AI的极限，那就太小看他们了。就在大家还在疯狂方式算“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条件的1024人！在线试玩：https://ophilus.ai/khora博客链接：https://rhos.ai/research/khora01. 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往往，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相同性。不仅仅是在一个便捷的房间内行动，而是能在截然不一样的复杂场景中自由穿梭，物理规律始终稳固如初。这不是预渲染的CG动画，而是一个往往见不鲜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，如果你认识目前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”。无比如是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不过对严苛的空间与物理相同性，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”。只关键脱离了单视角预测的舒适用区，尝试维护多视角相同性，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，方式算复杂度会随着视角数量呈几何级数增首先，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，物理世界完善崩塌。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方式天堑。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扩展的，从来就不应该是“视往往流”，而是“观察者”。世界始终只有一个，不一样的视角，只是在不一样坐标下观测它。基于这个最便捷的首先性原理，RhOS.ai团队在Khora模型中提出了STBoard（时空黑板）架构。之前的方式在死记硬背不一样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，很那么点儿崩溃。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世界的不过对物理状态（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”出目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，完全不需直接通信！这就意味着，在Inference（推理）时期，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变化。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结构困难，降维成了纯粹的工程部署状况。03. 结果推演：从《CS:GO》的疯狂，到机器人的群体觉醒为什么关键费尽心机，让一个AI引擎去跑通1024个智能体的模拟《CS:GO》？不过不仅是为了做游戏。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，它们不需彼此之间开展海量的延迟通信。它们只需统一接入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。首先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，选项先在最便捷的物理世界——游戏中做首先个隐式世界模型POC，在保证时空因果的相同、合理的同时，处理多智能体/机器人分布式学习的基础困难。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，分布式的高效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题。博客链接：https://rhos.ai/research/khora在线试玩：https://ophilus.ai/khora更多探究：https://rhos.ai/