论文速览｜AI 造的多人世界：WorldCast 让 2 到 16 人各跑一个客户端

作者：林序

arXiv 10 月 8 日论文 WorldCast 用分布式方案做多人世界模型：每名玩家一个客户端、各自生成视角，只交换玩家状态与场景状态，2 到 16 人部署下每端超过 16 帧/秒。

arXiv 10 月 8 日挂出的论文《WorldCast: Distributed Multiplayer World Models》（编号 2610.12412，cs.CV）给“AI 生成的世界”加了一种多人玩法：每名玩家在一台机器上跑一个客户端，各自生成自己的视角，彼此只交换玩家状态和场景状态 。需要说明，这是对近一个月前挂网论文的解读，不是刚发布的新消息。

世界模型，指用视频实时生成画面的 AI 模型。此前的多人做法多是把所有玩家的视角放进同一个模型一起生成，人越多，算力与通信越贵 。WorldCast 借的是联机游戏的老思路：客户端同步坐标、朝向、武器这类玩家状态，再加一份共享的“场景记忆”，也就是别人已经生成过的画面片段；中间特征、KV 缓存留在本地，不上传 。运行时没有游戏引擎告诉它坐标，位置由客户端里的状态模型从生成画面和控制输入中估出来 。

数字方面：在《反恐精英2》地图上测试，每个客户端生成速度超过 16 帧/秒，2 到 16 人部署都是这个水平；16 人时每端每秒接收约 3.5 Mb 数据；玩家渲染率（可见玩家是否被画在应在的位置）比联合生成方案高一个数量级以上；小时级连续生成，画质保持稳定 。这些是作者自报口径：16 帧不含同步等待，各端按锁步推进，具体延迟毫秒数和 GPU 型号没有披露 。

论文署名 12 人，来自港中文（深圳）、SLAI、清华深研院、滴滴 Voyager Research、中国科大，通讯作者为 Li Jiang 。限制也很直接：仍是研究，不是能上手玩的游戏，一人一块 GPU 的门槛不低，论文与项目页均未提及开源代码 。另外，cs.CV 下 10 月有三篇同名 WorldCast 的论文，本文对应的是 2610.12412 。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] arXiv Query: search_query=ti:"WorldCast" AND cat:cs.CV&id_list=&start=0&max_results=5
• [S2] WorldCast: Distributed Multiplayer World Models
• [S3] WorldCast: Distributed Multiplayer World Models
• [S4] WorldCast: Distributed Multiplayer World Models
• 配图 1：来源：ziyang-ye.github.io（图片署名见原文） · 图片出处
• 配图 2：来源：ziyang-ye.github.io（图片署名见原文） · 图片出处