英伟达联合清华推出 Gamma-World，打破多智能体虚拟仿真天花板
一句话看懂：英伟达与清华大学等机构共同发布 Gamma-World（γ-World），一种面向多智能体协同的虚拟世界模型，解决了传统单视角仿真难以同时处理多个玩家互动与观察的架构瓶颈，并在实验中实现了视频质量指标（FVD）平均降低超 40%。
事件核心：发生了什么
2026 年 6 月 2 日，英伟达联合清华大学、多伦多大学及 Vector Institute 正式推出 Gamma-World 多智能体世界模型。该模型专为需要多个智能体在同一虚拟世界中同时操作并相互观察的场景设计。其核心技术突破包括：
– Simplex Rotary Agent Encoding：将智能体放置在几何单纯形的顶点上，确保所有智能体之间的等距与等地位，无需学习参数即可实现“双人数据训练、四人场景直接推理”的泛化跳跃。
– Sparse Hub Attention Mechanism：抛弃传统的全连接注意力，改用一组可学习的枢纽令牌（hub tokens）作为状态压缩中继，使计算成本降至线性复杂度。配合独立缓存技术，实现了 24FPS 的实时动作响应模拟。
– 三阶段教师-学生蒸馏方法：将双向教师模型压缩为因果学生模型，将多步采样减少到四步，有效控制动作可控性并缓解自回归推理中的误差累积。
在多人 Minecraft 虚拟环境的五个核心场景（如记忆、建造）测试中，Gamma-World 全面超越现有最优模型，FVD 指标平均下降超 40%。此外，该框架已成功迁移到真实双臂机器人协作任务中。
为什么重要
此前多智能体仿真领域缺乏既能维持时间、跨视角和交互三种一致性，又能规模化地扩展参与者数量的方案。Gamma-World 的两个技术创新——单纯形编码与稀疏枢纽注意力——直接从架构层面解决了身份编码混乱和算力成本随参与者数量平方增长的问题。这意味着多智能体模拟不再受限于“两人协作”的小场景，可向大规模、高实时性的虚拟世界或物理机器人群体系统延伸。对英伟达而言，这是其在物理 AI 大规模模拟基础设施方向的重要布局；对学术界而言，该成果将加速多智能体强化学习、群体智能等研究方向的实验迭代。
对用户/开发者/创作者的影响
对 AI 研究者和开发者：Gamma-World 的开源架构（目前公开信息未明确是否开源）为构建多智能体仿真平台提供了新基建。开发者可以在单一模型内复用已有单智能体数据，降低多智能体场景的数据采集门槛。
对游戏和虚拟内容创作者：实时 24FPS 的多人协同仿真能力，可能推动更复杂的 NPC（非玩家角色）协作行为生成，以及支持更多玩家同时在线的开放世界游戏开发。
对机器人及自动驾驶领域从业者：模型已成功用于双臂机器人任务，未来有望扩展到多车协同、工厂多机器人调度、多臂医疗协作等物理 AI 场景，降低仿真到现实迁移的试错成本。
值得关注的后续
1. 开源与社区生态：Gamma-World 是否计划开源模型权重或代码？若开放，将在多大程度上支持第三方开发者在此基础上进行二次开发？
2. 算力门槛与商用化：尽管引入了稀疏注意力，训练一个支持多智能体的世界模型仍需要较大算力。英伟达是否会将其融入自有平台（如 Omniverse 或 Isaac Sim）并提供云端推理服务？
3. 竞品跟进：谷歌 DeepMind、Meta AI 等也在探索多智能体世界模型，Gamma-World 的单纯形编码方案是否为可复制标准，可能引发新一轮技术路线竞争。
来源：AIbase
