微软 Xbox 发布 Muse 模型：AI 渲染游戏画面，还想复活经典老游戏

如果让 AI 不仅学会画游戏画面，还能理解手柄上的每一个按键操作与物理反馈，游戏开发会变成什么样？

微软研究院联手 Xbox 旗下工作室 Ninja Theory，在《Nature》杂志上公布了一项新研究，推出了名为 Muse 的生成式 AI 模型。官方将其称为首个“世界与人类动作模型”（World and Human Action Model，简称 WHAM）。

和单纯生成视频的扩散模型不同，Muse 能够同时理解 3D 游戏世界、游戏物理规则，以及游戏对玩家手柄操作的即时反应。

拿真实对战喂出来的世界模型

Muse 的底层技术起点要追溯到 2022 年底。当时研究团队受到 ChatGPT 的启发，开始思考能不能用 Transformer 架构来处理游戏动作和图像数据。

刚好 Ninja Theory 和微软研究院都在英国剑桥，双方一拍即合。他们拿 Ninja Theory 在 2020 年推出的 4 对 4 在线对战游戏《尖峰战队》（Bleeding Edge）作为实验平台。

通过用户许可协议合规收集的大量真实玩家对战数据，被送进了训练集群。团队最初在 V100 集群上做到了 100 张 GPU 的规模扩展，随后迁移到了 H100 上进行大规模训练。

研发团队不仅验证了这类模型的缩放定律，还采访了全球 27 位来自独立工作室和 3A 大厂的游戏创作者。目前，微软已经把 Muse 的模型权重、样本数据以及可交互原型 WHAM Demonstrator 全部放到了 Azure AI Foundry 上供开发者测试。

既能构思新玩法，还能抢救老游戏

在微软的设想中，Muse 不只是个技术玩具，它主要承担两个任务。

首先是玩法构思。传统游戏立项时，验证一个操作手感或机制原型通常需要程序员和策划花几周时间写代码搭建，而 Muse 可以根据提示词或片段输入，直接预测并生成包含画面和手柄操作的游戏流程演示。

其次是老游戏复活。Xbox 团队透露，现在很多经典老游戏被困在特定历史硬件上无法运行。他们正在探索用 Muse 这类模型学习老游戏的运行逻辑与画面风格，未来有望把陈旧库存游戏重构并串流到任意屏幕上。

微软表示，目前正在用其他第一方游戏训练实时可玩的 AI 模型，很快就会在 Copilot Labs 上线简短的交互式 AI 游戏体验让普通玩家尝鲜。

为什么重要

以往生成式 AI 进游戏行业，大多停留在生成概念原画、写 NPC 对话或者做 3D 贴图这些周边环节。真正触及核心游戏引擎、物理模拟和手柄交互层面的，Muse 算是一次非常硬核的推进。

对中小型开发者和独立创作者来说，这套工具如果走向成熟，价值会非常明显。你不需要在虚幻引擎里从头搭一套物理框架，就能快速用 AI 跑出多种核心玩法的交互切片，大大拉低了立项验证的门槛。

我们认为，微软这步棋走得最聪明的地方在于动作与世界的绑定。很多做世界模型的团队只关注视觉渲染，容易让生成的画面像一场不可控的梦境；而 Muse 把手柄控制器的动作数据作为核心输入输出，直接让模型具备了可控游戏的雏形。

不过隐患也同样明显。从一段几秒钟的生成演示，到支撑几十毫秒超低延迟、强逻辑闭环的商业游戏，中间隔着巨大的工程鸿沟。用神经渲染去还原老游戏听起来很性感，但玩家对老游戏最看重的是精准的判定帧与手感，AI 的随机性极有可能把怀旧变成灾难。这项技术值不值得团队现在投入生产环境，还要看 Azure 上放出的原型到底能在多大程度上保证逻辑一致性。