与《我的世界》游戏操作类似，玩家可以在游戏里行走、跳跃、打破方块、打开库存和使用物品。Oasis 也理解复杂的游戏机制，如建筑、照明物理、库存管理、对象理解等。
但不同的是，Oasis 的每一帧画面都是AI实时生成的。
尽管“AI 生成游戏”听起来很唬人，但从本质上来说，Oasis 和 Sora、Runway 使用技术类似，依赖于基于 Transformer 架构的扩散模型。
基于DiT的潜在扩散主干架构、基于ViT的变分自编码器、加速的轴向、因果、时空注意力机制、以及克服长序列模型发散问题的新策略丨Etched
不过那些文生视频产品的提示词是“文本”，像 Sora 根据文本一次性生成 60 秒的视频。Oasis 根据的“提示词”是玩家的键盘、鼠标操作和之前帧，生成下一帧。
也就是说，Oasis 生成画面也是逐帧的，因为在模型架构和推理技术方面的进步，使得 Oasis 延迟尽可能小，小到画面连贯起来（这与早期动画的原理类似，静止的图像以一定频率变化之后，因为视觉暂留的缘故，人会觉得画面动了起来），就能让 Oasis 产生“可交互、可操作”的效果。
（图/《运动中的马》， Eadweard Muybridge，1879）
发布3天左右，Oasis 的用户数量就突破了 100 万。汹涌而来的玩家使得服务器一度崩溃，即使到现在也不太稳定，甚至经常出现服务器断连的情况。
抛开不稳定的服务器和 10 分钟的限制不谈。从游戏体验而言，Oasis 基本还处于“不可玩”的状态。
玩家很快会发现，随着时间的推移，游玩 Oasis 会呈现一种劣质版《盗梦空间》的体验——敲碎一个砖块或者转动鼠标换个视野，地图就可能完全变成另外一个样子。
以自回归方式生成的每一帧都会累积细小的错误，随着时间的推移，这些错误就会像雪球一样越滚越大，使得画面很快就会和原始图像南辕北辙。
如何用 AI 生成一个连续的世界，克服幻觉，这其实是一个整个 AI 业界都在面临的难题。
为了改善这点，开发人员使用了一种称为“动态噪声”的技术。简单来说，他们在生成每个帧的早期阶段有意为图像数据添加一些随机噪声，以防止错误积累。随着 AI 模型对图像进行细化，这种人工噪声会逐渐被去除，使得画面保持与前一帧的一致性。
开发者也承认，第一个版本只是用于研究和概念验证，表明 AI 模型有潜力做到——跟那些视频生成工具一样，他们还无法解决生成连续画面的问题。
下一步，造芯片，赢过英伟达
Oasis 的开发者，是以色列初创公司 Decart 和硅谷芯片设计公司 Etched。
Etched 开发了一款名为 Sohu（搜狐？）的专用 AI 芯片，将 Transformer 架构刻录在芯片中。目前，Oasis 以 480p 的分辨率运行在英伟达的 H100 GPU 上。Etched 声称，相比英伟达，Sohu 会将性能提升 20 倍，可以以 4k 的分辨率处理 1000 亿参数的大模型。
（图/pexels）
当然，Sohu 的开发也还处于早期阶段，Etched 的说法目前无法得到证实。纽约大学电气和计算机工程教授 Siddharth Garg 就表示了质疑。他说，鉴于市场上顶级 GPU 的 AI 专业化程度，“对仅通过更智能或更专业的设计就能实现 10 倍的改进持怀疑态度。”
Dean Leitersdorf 毕业于以色列理工学院，在 2022 年结识了哈佛毕业生 Robert Wachen。受到OpenAI的启发，Wachen 在 2022 年联合创立了Etched，Leitersdorf 在2023年联合创立了 Decart。
在他们的设想中，Etched 会像英伟达一样构建下一代硬件，Decart 则像 OpenAI 一样开发运行在硬件上的模型。
Leitersdorf 表示，他们的目标是创造一个生成式体验的新时代。“你的屏幕可以变成一个门户——进入某个不需要编码、可以即时更改的虚构世界。”
就像 LLMs 跨越了复杂的人类语言体系，让机器学会用人话和我们沟通。Oasis 大抵是想克服视觉障碍，学会像人类一样看世界，以及世界的运行机制，并以我们的视觉和交互习惯展示环境。
Leitersdorf 称，像 Oasis 这样的模型可以用于需要交互式视频的各种环境，例如娱乐、教育工具，甚至是 AI 驱动的创意媒体。
目前，风险投资公司红杉资本已经领投了 Decart 2100 万美元的种子轮融资，用真金白银表示了他们对于 Decart 愿景的认可。返回搜狐，查看更多