6月1日消息，VAST AI Research（Tripo3D 背后团队）发布 Project Eden，一个持久化、多人可交互的世界模型研究预览。它放弃了"帧序列预测"的传统路线，转而维护一个独立于任何观察者的、持续演化的底层世界状态，标志着世界模型从"视频生成"到"状态模拟"的范式转向。
三层解耦：状态、接口、渲染
Project Eden 的核心创新在于将底层世界状态与视觉渲染彻底解耦，采用三层架构设计：
演化的结构化状态层维护一个全局持久的世界状态，包含场景内容、粗略几何、物体语义和动作后果。物体离开视野后不被丢弃，而是持续存在于底层状态中。
状态到观察接口将世界状态转换为相机条件约束——包括局部语义、几何线索、事件变化——确保不同视角间的一致性。
生成式神经渲染根据状态约束生成高保真视觉输出，包括纹理、照明、材质，以及烟火水等局部动态效果。
这一设计让世界独立于观察而存在，渲染器只是"看向状态的一扇窗"。
关键特性：持久、多人、一致
相比现有的动作条件视频生成或静态 3D 场景模型，Project Eden 在四个方向打破了限制：
持久性——物体和变化不依赖相机存在。例如灭火后状态永久改变，即使镜头移开，变化仍然保留。
多人/多智能体交互——多个用户或 AI 智能体共享同一底层状态，动作结果实时同步。官方演示中包含多人赛车场景：两名玩家在同一条赛道上分别从各自视角观察，状态完全一致。
可编辑世界——用户可实时干预、修改环境、留下持久痕迹。
任意视角一致性——同一客观状态可从任意相机位置渲染，渲染结果在物理上对齐，不产生帧序列模型的漂移和幻觉问题。
训练策略：互联网视频 + 游戏引擎合成
Project Eden 的训练数据策略采用双线并行：一是对大规模互联网视频进行 3D 结构解构，提取深度图、相机位姿、几何轨迹等结构化信息；二是利用游戏引擎合成精确标注数据，用于学习物理演化和逻辑规则。
这一策略既获取了真实世界的视觉多样性，又保证了物理规律的精确标注。
研究背景：Tripo 的 3D 积累与一次跨越
VAST AI Research 在 3D 生成领域已有深厚积累，此前开源了 TripoSR、TripoSplat、TripoSG 等多款 3D 生成模型。Project Eden 并非一次突发奇想，而是从"生成静态 3D 资产"向"模拟持续演化的 3D 世界"的自然跃迁。
目前 Project Eden 处于早期研究预览阶段，尚未发布完整模型或代码。团队表示正在推进更丰富的动态演化、自由视角探索、更大规模环境、实时效率以及持久性一致性的量化评估。
关键信号
Project Eden 选择了与主流视频生成式世界模型（Sora 及其变体）完全不同的技术路线——不预测像素，而模拟状态。三层解耦架构（状态→接口→渲染）在系统设计层面与英伟达同日发布的 Cosmos 3 形成了有趣的对照：Cosmos 3 用 Mixture-of-Transformers 实现"先推理再生成"，Project Eden 则用结构化状态层直接维护世界的逻辑一致性。两条路线都放弃了"端到端像素预测"，但手段不同。 "持久化状态 + 解耦渲染"这条路线在游戏引擎领域已有成熟实践（ECS 架构 + 渲染管线），Project Eden 的突破在于用神经网络替代了引擎中的手工规则——即状态层是学习的而非预设的，渲染器是生成式的而非栅格化的。这意味着它理论上能处理游戏引擎难以建模的开放域场景。多人状态同步的演示也暗示，其目标应用场景可能包括可交互的虚拟世界和机器人训练仿真环境，而非单次视频生成。
目前最大的不确定性在于神经渲染的质量和效率。生成式渲染要达到游戏引擎级别的实时帧率和一致性，难度极高。但如果 VAST AI 能证明这套管线在大规模场景下的可行性，"世界模型"的竞争将从"谁生成的视频更像"转向"谁维护的状态更持久、更一致"。这个转向本身，比当前演示中的具体视觉效果更有意义。
AI 速览
