VAST 用「状态与渲染解耦」架构，走世界模型新路线

事件概述

AI 公司 VAST（旗下拥有通用 3D 大模型 Tripo）在完成近 2 亿美元 A+ 及 A++ 轮融资后，正式发布世界模型研究预览 Project Eden。其首席科学家曹炎培指出，当前主流世界模型存在“画面流畅不等于世界在运转”的问题，因此 VAST 选择了一条不同于五大门派（杨立昆 JEPA、李飞飞 World Labs、DeepMind Genie 等）的技术道路：将世界状态与画面渲染彻底解耦。

核心技术架构

Project Eden 采用三层算法结构：

• 底层结构化状态：独立维护场景几何、物体身份、事件逻辑等世界状态，不依赖任何视角。
• 中间转换层：根据当前观察者视角，将世界状态转换为局部条件信息。
• 上层生成式渲染：基于条件信息负责画面生成（光照、材质、动态细节）。

这种架构的关键优势在于：状态持续存在，物体离开镜头不会消失；同一状态可支持多人同时渲染不同视角，实现真正的多人并交互；用户对世界的修改会永久记录在状态中。

训练数据与能力验证

训练数据方面，VAST 利用 Tripo 的 3D 基础模型对海量互联网 2D 视频进行反向解构（恢复深度、相机位姿、几何轨迹），同时从游戏引擎获取合成数据（物体坐标、碰撞关系、动作输入），形成“状态-结果”对应数据。

目前已实现的 Demo 能力包括：

• 环境持久化：进入场景后活动不丢失上下文。
• 多人共享：两人推箱子、两辆赛车竞速，共享同一底层状态，渲染各自视角。
• 确定性交互：打靶可精确计算是否击中并记录得分。
• 泛化动作：赶羊、灭火、划船等动作可由状态推演学习。

商业化与行业影响

曹炎培将路线划为三个里程碑：第一阶段验证状态与渲染解耦（已通过 Project Eden Demo 完成）；第二阶段攻克状态预测泛化；第三阶段解决多人并发与推理成本工程问题。商业化被定位为中长期目标。

远景上，Project Eden 有望颠覆传统 DCC 工具（如 Blender）和游戏引擎（UE/Unity），成为 AI 原生的沙盒平台——用户通过自然语言或简易动作即可创作多人共享、具备物理逻辑的互动世界。同时，它也可作为具身智能训练与性能评测的高质量仿真基座。在商业模式上，可能从单次生成收费转向类似云服务或游戏引擎的运行时座席模式。