近期，一家位于旧金山的初创公司 Moonlake AI 晓谕公开测试其“寰宇建模智能体”（World Modeling Agent），同步发布的本事博客展示了一个保龄球小游戏的十阶段构建经由，从网格财富生成、刚体物理赋予、碰撞检测、计分逻辑、音频集成到逆开通学（IK， Inverse Kinematics）持取动画，全由 AI 自主完成。Moonlake 的 beta 居品能在 15 到 20 分钟内，将一段当然言语态状酿成可开动、可操控、有物理响应的齐备游戏原型。
Moonlake 试图让任何东谈主通过当然言语，径直生成带有物理引擎、游戏逻辑、碰撞检测、计分系统以至空间音频的齐备交互式寰宇。用独创东谈主我方的话来说，他们不仅仅在作念一个游戏生成器，而是想借游戏开辟这个经由，去测验一个对于“寰宇何如运作”的前沿 AI 模子。
该公司总部位于旧金山，由两位斯坦福 AI 实验室树立的博士 Fan-Yun Sun 和 Sharon Lee 连合创立。Fan-Yun Sun 在斯坦福读博时间同期在的学习与感知臆想团队以及 Metropolis 深度学习部门（即 Omniverse 关系技俩）责任，主攻场所是为测验 AI 智能体生成大限制 3D 寰宇。
Lee 的臆想场所则是将扩散模子（Diffusion Model）和 3D 引擎勾搭，构建能够意会空间的基础模子。两东谈主的臆想配景高度互补，一个惩处“何如生成寰宇”，一个惩处“何如让寰宇有交互”。
公司于 2025 年 10 月从隐身方法走出，晓谕完成了 2，800 万好意思元种子轮融资，由 AIX Ventures、Threshold Ventures 和英伟达旗下风投 NVentures 连合领投。
天神投资东谈主威望也至极亮眼：YouTube 连合独创东谈主 Steve Chen、AngelList 独创东谈主 Naval Ravikant、Google 首席科学家 Jeff Dean、GAN（Generative Adversarial Network，）发明者 Ian Goodfellow，以及来自 Hugging Face、DeepMind、Stability AI、OpenAI 的多位高管。截止近期，融资数字已更新为约 3，000 万好意思元，团队大致 15 东谈主，由 ACM ICPC 奖牌得主和海外奥林匹克竞赛获奖者等构成。
2025 年 12 月，Moonlake 发布了他们的中枢居品 Reverie，也即是所谓的 GGE（Generative Game Engine，生成式游戏引擎）。按照公司的说法，这是第一个“可编程的寰宇模子”，用于及时交互内容生成。它和此前的 AI 视频生成模子有一个关节区别：情景历久性。
大部分视频生成模子（比如 Sora 之类）能产出漂亮的画面，但它们本色上是在展望“下一帧看起来应该像什么”，不选藏一个确切的寰宇情景。如若玩家在游戏里打碎了一个花瓶，几秒钟后花瓶可能又恢规复样了。
Moonlake 的系统通过将扩散模子与结构化 3D 信号绑定，让寰宇中发生的变化能继续保持。Lee 在接收采访时说过，生成式寰宇中一直缺失的那块拼图即是“收尾”，创作家需要能界说什么会变、为什么变、变化保管多久。
具体来看 Moonlake 的本事架构，它并不是一个单一模子，而是一个“编排者”（orchestrator）。用户的当然言语指示参加后，系统调用一整套专门化的第三方 AI 模子来永诀处理不同任务：空间布局用多模态推理，游戏逻辑靠纪律合成（program synthesis），物理交互用模拟层，视觉渲染则由及时扩散模子完成。
{jz:field.toptypename/}Fan-Yun Sun 对 Fast Company 态状说，他们的编排模子会跟着时刻推移学会何如交融这些模态，并平稳把外部模子的才能纳入我方体内。
Moonlake 在官方博客中给出了一个很具体的案例来展示这套系统的推理经由：一个赛博一又克立场的保龄球迷你游戏。用户只给了一句话的领导：“在街机房里创建一个赛博一又克好意思学、半写实立场的保龄球小游戏”，莫得提供任何架构拘谨或完毕细节。
接下来，系统的 agent 自动走罢了十个阶段：先是财富实例化，生成球谈、球瓶、保龄球的 3D 网格和 PBR（Physically Based Rendering，米兰app官网版基于物理的渲染）纹理；然后是物理化，把球瓶养息为刚体，赋予摩擦扫数 0.4、弹性 0.15，球瓶质地 1.5 公斤，保龄球 5 公斤；再到空间布局、中枢游戏逻辑、球的人命周期照看、领域相识、边际情况处理、音频集成、IK（Inverse Kinematics，逆向开通学）手臂持取系统，临了是由用户响应驱动的细节打磨。
从这一实例也能看出，Moonlake 对“寰宇模子”的界说和刻下 AI 圈主流话语有较大不同。以前一年里，“world model”这个词在 AI 行业被多数使用，但大多数时候指的是下一帧视频展望，即给定刻下画面和用户操作，展望接下来视觉上应该是什么样。
Google DeepMind 的 Genie 3 在 2025 年 8 月发布，能以 24 帧每秒生成可导航的 3D 环境；李飞飞的 World Labs 在 2025 年 11 月推出 Marble，不错从文本、图片或视频生成可下载的 3D 寰宇。
Moonlake 的念念路和上述这些都不太相似。在他们看来，一个寰宇的情景不可被简化为一帧图像或一团像素。
他们的博客著作用保龄球瓶作念了个例子：一个保龄球瓶同期是空间中的一个有纹理的物体、一个有质地和惯性的刚体、一个不错被撞倒的对象、一个对比分有孝顺的记号实体，以及一个撞击时的声源。当球击中瓶子的那一刻，变换矩阵更新、物理求解器理会碰撞冲量、比分递加、音频触发、重置计时器鼓吹等，这些不是零丁事件，是团结个因果事件的同步落幕。如若其中任何一个模态更新而其他没跟上，寰宇就不连贯了。
是以 Moonlake 追求的是跨模态的因果一致性，而非单纯的视觉传神。他们把寰宇模子应该同期编码的东西分红了五个维度：几何（变换、拓扑、空间关系）、物理（质地、力、碰撞拘谨）、可供性（affordance，即什么算作是可能的、由谁来奉行）、记号逻辑（轨则、分数、定时器、情景机）、感知映射（视觉投影和空间音频）。这个框架比纯视觉寰宇模子更全面，也更靠拢传统游戏引擎施行作念的事情。
就刻下施行的居品体验来看，其的确不错较为速即的制作出一个粗浅的游戏原型，但仍需猝然较大元气心灵进行打磨。在 Fast Company 报谈的实测中，记者首次尝试作念一个 3D 地牢探险游戏时遭受了失败，产出了一个尽是胶囊形脚色的单间。
之后他收缩范围，作念了一个 2D 冰淇淋堆叠游戏，第一版在 15 到 20 分钟内出来了。中枢玩法基本到位，冰淇淋从天上掉下来的节拍恰到公正，键盘收尾映射亦然自动完成的，系统以至主动加了一个冰淇淋落到蛋筒上时的弹跳跃画。但厨师是个白色鄙俗图形，冰淇淋不会正确堆叠。
于是他又花了好几个小时反复和 AI 疏浚建造物理后果，堕入“险些惩处但没王人备惩处”的轮回。最终他把剩余需求一股脑塞给系统，15 分钟后拿到了有计分、有 Game Over 画面的齐备游戏，消耗月度 1，500 信用点中约 950 点，按 40 好意思元月费算不到 25 好意思元。速率惊东谈主，打磨依然吃力。
不外 Moonlake 确切的弥远赌注不在器具层面。Lee 和 Fan-Yun Sun 反复强调的一件事是：用户每一次在平台上翻新系统的物理行动、补充游戏轨则、养息因果关系，都在为 Moonlake 我方的多模态模子提供测验信号。
Fan-Yun Sun 把这和现存的寰宇数据网罗面貌作念对比，举例租 Airbnb 用激光扫描房间是静态的、难以限制化的；分析视频短缺东谈主类语境；只用单一游戏数据（比如多数《堡垒之夜》摄像）测验出的模子不会泛化到确切寰宇。
而 Moonlake 上的用户交互自然带专门图和响应，是因果数据。如若这个飞轮跑起来，数据限制会指数级增长，模子也会随之变强。游戏之后，他们设想的哄骗场所包括机器东谈主测验、自动驾驶和制造业东谈主因分析。Lee 称他们还是接到了制造企业的盘问。
仅仅当今其 beta 版每天仅放量 100 东谈主，离“飞轮转起来”或者还有至极远方的距离。
参考云尔：
1.https://x.com/moonlake/status/2026718586354487435
2.https://moonlakeai.com/blog/building-interactive-worlds
3.https://www.fastcompany.com/91491025/moonlake-ai-vibecoded-video-game
运营/排版：何晨龙