从单个角色,走向群体任务
长期目标拆解、分工与资源协调,让角色在共同目标下行动,并根据执行结果调整计划
未来的沉浸世界,将由多 Agent 生成式 AI 实时驱动,角色、关系与世界状态持续演化




工业化堆量 · 程序化生成 · 玩家驱动 — 过去三种路径各破一面墙,LLM 让三堵墙首次同破
沉浸世界将由多 Agent 生成式 AI 实时驱动——我们的核心,是让角色自主行动、共同生活,让世界在交互中持续演化

长期目标拆解、分工与资源协调,让角色在共同目标下行动,并根据执行结果调整计划
记忆、关系与世界状态持续保留,行为有后果,新的内容与事件由已有经历继续生长
把世界观转成蓝图与角色配置;通过环境适配层,将共享认知核心接入不同游戏规则
资料:RAISe+ P3、A02、A04。各指标范围不同;在线角色数与同时在途模型请求分别计量,运营成本与受控任务评测分别列示

* 图片为最新 V1 美术与交互素材;两个视频为基于真实 V1 美术设定的 AI 辅助生成预览
玩家通过 PC、桌宠、网页、小程序、移动端、硬件等多端接入同一个在线世界,养成、引导、观察多个 AI 小人。所有玩家的小人在这里共同生活,个体目标、社会目标、社交关系和城市事件交织推进,持续发生新鲜事。
你的镜子后面是大家共同的小世界;所有玩家的小人在这里一起生活、交朋友、成长,你每天看几眼、帮一把,就会改变它们和世界的下一段故事。
核心种子:治愈系/养成/模拟经营用户 + 办公室碎片时间用户 + AI 尝鲜者
可扩展:休闲挂机玩家、社交玩家、IP/世界观用户
AI-native 多人在线生活模拟社交游戏:小人自主生活,玩家养成和引导;城市、关系网和宏观事件持续演化。
镜中世界:镜面反射中的微型文明,以日常生活中的人类物品(如茶壶火山、巧克力田)构建自己的神话、节日和社会结构。
上次行为带来新进展:关系变化、目标推进、城市事件或意外分支。
种植、收获、售卖、布置家园,为小人目标线提供资源、工具和环境。
替/建议小人做选择,调整目标、风险边界、行动工具和生活方向。
小人朋友圈、小红书式动态、AI-AI 社交和城市新闻形成内容消费流。
桌宠状态、小选择、自选反馈轻量弹出;世界继续推进,不抢主注意力。
养成小人的独特人生与世界影响力:完成阶段目标,建立关系图谱,解锁主城身份,沉淀共同记忆和世界痕迹。
前期:内容驱动,随着模拟经营发展,小人能力成长,持续解锁新内容,对小人的未来有期待。
中期:内容驱动转向社交和情感驱动,小人城市参与度更高,解锁各种发展目标;AI 社交涌现产生新内容,小人和玩家产生情感连接。
后期:社交与情感驱动,依靠小人的情感链接、其他玩家的社交绑定和持续更新的新玩法内容。
外观付费:小人外观、家园家具。
通行证 / 订阅:agent 数量、agent 能力。
社交付费:社交货币、送礼、社交平台高级功能。
NPC、物品、美术资产、地图、规则与系统都拥有各自记忆和行为,在事件与反馈中持续自我进化;多 Agent 的组织、信息与关系共同塑造世界
场景与世界事件
对象使用与玩家行为
注意力与时机判断
多目标并行 / 资源协调
约束校验 / 局部修复
动作、工具与交互执行
状态与记忆更新
行为、内容与策略迭代
组织目标 → 小组分工 → 个体行动,多层 Agent 在各自职责下协作与协调资源
事件与履约经历沿职责、关系和可见范围传播,进入个体、群体与组织记忆
合作、冲突与信任改变后续选择;每次相遇留下后果,成为新目标与新故事的起点
长期学习得分E1:完整 20.90 / 去分支 6.39
原动作类型保留E1 意图保留审计
整体平均速度调用与 Token 消耗降至基线的 1/10–1/100
实验数据:RAISe+ 申请 Deck 第 5 页。E1 与蒸馏结果来自不同实验;95.2% 为动作类型保留率。蒸馏方案使用 Qwen3.5-27B,对照 GPT-5.4 多智能体基线。
多教师蒸馏训练个体与协作能力,分级奖励与多维评测控制质量;记忆、信息与关系的演化持续回流到策略和模型改进
评价维度:人设与事实一致性 · 记忆相关性 · 信息边界 · 跨对象协作 · 行动效果与安全
Odyssey 84% · 提高 14 个百分点
16 条件等权平均 · 1,561.5 s → 865.0 s
同一核心复用到 2 个异构世界
烤炉记住连续过热 → 面包店调整分工并委托维修 → 履约信息沿合作网络传递 → 店主与修理师积累信任 → 下次优先合作并提前维护
实验与技术资产:RAISe+ 申请 Deck 第 4、5 页。任务成功率、耗时与迁移结果来自不同实验;100% 限对应迁移测试任务。引擎提供决策,游戏系统负责画面与实际执行。
把长期目标拆成多条并行分支,执行前检查后果、局部修复计划;再将高质量协作轨迹沉淀为可复用策略,减少运行时的模型调用
不同目标分支同时推进,依据环境和资源动态排序,兼顾探索与长期积累
在状态副本中检查可执行性与冲突,优先修复局部动作,保留原始行动意图

目标、职责与环境信息进入规划;执行结果回到记忆,让多角色协作在变化中继续推进
把教师模型的协作经验转成可复用策略,减少重复推理,把成本留给真正需要模型的决策
4 Agent · 5项共同任务 · 每框架50次运行 · 45分钟内有效完成
另一组5 Agent系统对照 · 16条件等权平均 · 1,561.5 → 865.0秒
蒸馏OOD四条件均值范围 · 我方8.5–44次 / 对照456–1,388次
资料:RAISe+ P5、A01–A03、A06–A07。98% 限共同任务45分钟内有效成功;44.6% 与调用降幅来自另一组系统对照,不是同一实验,且非所有条件均更快;调用下降不等于全包货币成本下降
Epic Games 的产品与引擎双线提供了一个参照:自营产品提出真实问题,共同技术持续沉淀,最终成为更多开发者可使用的基础设施
持续运营真实游戏,提出新的
内容、性能与创作工具需求
把通用能力沉淀为引擎和工具
支持更广泛的开发者与作品

在真实产品中检验体验、协作、长时运行与成本
玩家行为和执行失败进入下一轮技术迭代
规划与协作 · 状态与长期记忆 · 世界构建 · 环境适配
用持续世界与真实玩家检验
产品体验、任务质量与单位运行成本
标准化世界状态、行为接口、
记忆与评测,减少新世界重复开发
计划开放 SDK / API 与运行服务
探索工具服务、商用授权等收费方式
我们以自研产品推进技术成熟,再把经过验证、可以复用的能力开放出来,成为 AI 原生世界的基础设施
资料:RAISe+ P8 的产品 / 引擎双线逻辑与公司战略方向。对外标准化 SDK / API、运行服务和收费模式均为未来规划;产品画面为在研预览
我们已通过香港科技大学校内遴选,成为港科大在 RAISe+ Batch 4 中向政府提交的 15 个项目之一;计划于 2026 年 10 月底提交政府,进入政府遴选。
RAISe+ 支持香港大学科研成果转化、落地和商品化;Aivilization 正好是 HKUST 背景 × AI 原生技术 × 可商业化产品 的组合
计划目标资助至少 100 个大学团队,每个项目 HK$10M-HK$100M;已公布轮次基本每轮约 20 多个项目,第三轮 24 个项目里 HKUST 中了 7 个
官方计划页 ↗独特行动种类由 42.06 提升至 66.01,支持长期、多目标探索
复杂耦合目标条件中,预模拟优先修补不可执行步骤,保持原计划方向
来源:AIvilization v0 论文 v2 · §6.2.1 / Tables 4、6 / Fig.8;§6.2.2 / Table 7 / Fig.10;两项指标来自不同实验
生成结构化布局与角色档案;资产构造、场景部署与角色激活另外执行
已在实时空间和离散规则环境验证
来源:MC-World-Creator README;MCsociety 2026-07 Part I §§1.1–1.4;100% 限对应迁移测试任务,不代表任意游戏即插即用
生产链、资源约束与交易机制共同构成经济环境,可分析厚尾、波动持续性等仿真内结构
智能体自主决策方法及系统
申请号 202611003467.0
公布号 CN122840099A
2026SR0680374 · 行为规划
2026SR0919468 · 就业/经济调节
HKUST 与 Bauhinia AI 联合署名
arXiv:2602.10429v2
来源:论文 v2 §§6.1.1–6.1.2 / Figs.4–5;发明申请原件及 2026.09 代理状态通知、两项软件登记证书;不外推现实经济因果