千人聯機世界模型“RhOS-World: Khora”正式發布

如何讓無限多個智能體看到同一個世界？RhOS-World：Khora，給出了破局的答案。

上周，X上悄然被一段“世界模型生成的游戲宇宙”刷屏了，甚至還煞有介事地搞起了全球玩家擊殺排行榜。

在目前開放的可玩Demo演示里，8個玩家正同處在一個3D空間中。他們不僅能上下樓梯、到處轉悠，甚至還能端起武器相互攻擊、一槍斃命。乍一看，這畫面平平無奇，甚至有點像早期的粗糙獨立游戲。

如果你以為這只是個普通的小體量聯機游戲，那就大錯特錯了。真正讓硬核極客們在評論區集體炸鍋的細節在于——如果用Unity或虛幻等傳統游戲引擎來寫，8人聯機確實是小兒科；但這個3D射擊世界背后，根本沒有任何一行傳統物理引擎的代碼！

這8個人看到的所有視角、踩過的每一級臺階、打出的每一顆子彈以及中彈后的倒地反饋，全都是由一個AI世界模型在底層實時“腦補”出來的。

懂行的朋友都知道，以往的世界模型一直被死死困在“單機游戲”的魔咒里。它們只能圍著單一觀察者轉，一旦嘗試塞進多個人，AI就會當場精神分裂——要么多視角的物理邏輯徹底崩塌（玩家A看到的墻，玩家B直接穿了過去）；要么為了強行對齊畫面，算力成本呈指數級暴漲，直接把顯卡燒冒煙。

而這個Demo的出現，意味著AI終于跨越了多視角物理一致性的天塹，真正摸到了《頭號玩家》里那個絕對同步的共享聯機宇宙的門檻。

但如果你以為“不用游戲引擎跑通8個人同屏”就是現階段AI的極限，那就太小看他們了。

就在大家還在瘋狂計算“用純AI跑這8個人得燒掉多少張顯卡”時，背后的技術團隊RhOS.ai與Ophilus.AI一起扔出了王炸：RhOS-World: Khora。在這套全新發布的世界模型架構里，玩家數量的上限根本不是8個，而是直接飆到了極度離譜的1024人！

在線試玩：https://ophilus.ai/khora

博客鏈接：https://rhos.ai/research/khora

01. 場景直擊：當1024個智能體同處一個世界

忘掉那些只能單向生成幾秒視頻，三四個視角的“世界模型”吧。想象這樣一個極限測試：成千上萬個智能體同時涌入同一個類似《CS:GO》的三維空間中。有人在開火，有人在跳躍，有人在掩體旁來回移動。

鏡頭拉近，16個人物在復雜地圖中穿梭。上下樓、跳躍、位移——所有的3D空間交互與Z軸高度變化，在每個視角中實現了完美的動作一致性。

不僅僅是在一個簡單的房間內行動，而是能在截然不同的復雜場景中自由穿梭，物理規律始終穩定如初。

這不是預渲染的CG動畫，而是一個普通用戶可以直接在線操控、實時推演的世界模型物理引擎。

看著上面這些Demo，如果你了解目前AI世界模型的技術邊界，一定會感到頭皮發麻。

在這個實時運行的多智能體世界模型中：沒有穿模，沒有物體憑空消失，沒有因為視角的轉動而產生任何“賽博幻覺”。無論是Z軸的高度變化，還是復雜的人群移動，所有視角的畫面都保持著絕對嚴苛的空間與物理一致性，甚至是視野范圍之外的世界演化，也能毫不費力的持續更新。

為什么這個Demo如此顛覆？

因為在過去一年，世界模型雖然一路狂飆，但它們都被困在一個隱性假設里——“單觀察者視角”。只要脫離了單視角預測的舒適區，嘗試維護多視角一致性，讓哪怕僅僅幾個智能體同時進入同一個環境，現存的AI世界模型就會陷入死局：如果強行把多個畫面拼接在一起讓模型預測，計算復雜度會隨著視角數量呈幾何級數增長，陷入數學上的“維度詛咒”；如果讓視角A學習視角B，一步步用弱因果關系推演下一個視角，只會導致誤差無限放大，物理世界全面崩塌。

如何讓無限多個智能體看到同一個世界？這是橫亙在所有具身智能和世界模型面前的一道天塹。

而RhOS-World: Khora，今天正式給出了破局的答案。

02. 揭秘幕后：STBoard（時空黑板），讓擴展邊際成本歸零

真正需要擴展的，從來就不應該是“視頻流”，而是“觀察者”。

世界始終只有一個，不同的視角，只是在不同坐標下觀測它。基于這個最簡單的第一性原理，RhOS.ai團隊在Khora模型中提出了STBoard（時空黑板）架構。

之前的方法在死記硬背不同視角和畫面之間的表面對應關系，模型結構天然和“視角數量”死死綁定，加一個視角，模型就得加一堆Attention，很容易崩潰。

Khora呢？它剝離了“視角數量”與“模型結構”的關系。

在這個架構中，RhOS.ai構造了一塊存在于模型內部的、所有智能體共享的“物理黑板”STBoard。這塊黑板不記錄任何像素和畫面，它只持續更新維護整個4D世界的絕對物理狀態（State）。

當那1024個智能體在世界中瘋狂交互時，模型底層只發生極簡的兩步：

1.寫入：每個智能體根據自己的動作，把局部產生的物理變化（如位置偏移、碰撞）“寫”入黑板。

2.讀取：每個智能體再從黑板上“查”出當前的世界狀態和其他人的坐標，渲染出屬于自己視角的畫面。

智能體之間，完全不需要直接通信！這就意味著，在Inference（推理）階段，哪怕你再塞進去一萬個智能體，模型的底層結構也不用發生一絲一毫的改變。更進一步地，在10個智能體的數據上訓練出來的模型能夠直接泛化到1024個智能體，無需任何微調！智能體數量，終于從一個令人抓狂的AI結構難題，降維成了純粹的工程部署問題。

03. 終局推演：從《CS:GO》的瘋狂，到機器人的群體覺醒

為什么要費盡心機，讓一個AI引擎去跑通1024個智能體的模擬《CS:GO》？

絕不僅是為了做游戲。這是為了通向真實物理世界的“群體智能（Multi-Agent）”。

如果STBoard能夠在極其復雜的虛擬空間中，毫不費力地統攝上千個智能體，讓它們在激烈的物理對抗中不崩潰；那么在現實世界里，它的升級版就能完美接管一座無人工廠。

想象一下未來的柔性制造流水線：幾十上百臺機械臂不再是各自為戰的孤島，它們不需要彼此之間進行海量的延遲通信。它們只需要統一接入STBoard，共享同一套物理時空直覺。

未來，RhOS.ai將更加深入游戲宇宙、仿真環境、駕駛場景，以及真實世界機器人的探索。

結語

Scale up不徹底，等于不Scale up，這是此時代的AI哲學。

第一視角的具身學習正如火如荼，但落地的彼岸仍有些遙遠。RhOS.ai在做好具身的同時，選擇先在最簡單的物理世界——游戲中做第一個隱式世界模型POC，在保證時空因果的一致、合理的同時，解決多智能體/機器人分布式學習的基本難題。

當真實的機器人可以合格地在真實環境運行而不被kick out時，分布式的飛輪學習將代替冷啟動的數采變成主旋律，彼時，共享式的機器人世界模型將是核心。

博客鏈接：https://rhos.ai/research/khora

在線試玩：https://ophilus.ai/khora

更多研究：https://rhos.ai/