一句话看懂：英国创业公司 Worldmodeldata 正在把玩家在游戏里的手柄操作、按键序列和画面数据打包成训练集，卖给研发“世界模型”的 AI 实验室。它押注的是：游戏数据可能成为补上 AI 理解物理世界这块短板的关键原料。
事件核心：发生了什么
Worldmodeldata 由 Yann LeCun 担任顾问，CEO 为 Rhea Loucas。公司已从多家热门游戏工作室授权获得近 100 万小时的数据，内容涵盖手柄输入、玩家动作与对应的 3D 游戏画面，Loucas 拒绝透露具体工作室名称。公司把自己定位为数据中间商：一边整合游戏公司的“副产物”，一边向世界模型实验室提供经过整理和结构化的训练数据集，省去后者逐家谈判的成本。未来它还计划让普通玩家也能从自己的游戏数据中获得补偿。
目前公开信息显示，这一模式尚未被大规模验证。Nvidia 等公司更倾向使用自研物理引擎生成数据，其世界模型负责人 Ming-Yu Liu 认为游戏物理常有“取巧”——角色伸手拿苹果，但代码里并没有模拟每根手指的抓握力度，因此这类数据难以支撑精细的机械控制任务。
为什么重要
大语言模型靠互联网文本喂大，但世界模型需要的是“视觉加动作”的配对数据，即因果与后果。Surrey 大学副教授 Xiatian Zhu 指出，互联网上这类数据极少。人工采集成本高、规模小，且难以覆盖边缘场景——而后者恰恰是自动驾驶、无人机、工厂叉车等高危场景最需要做对的。游戏数据量大、场景多样，理论上能补上这一缺口。若“数据规模带动模型能力”的规律在世界模型上同样成立，那么谁掌握数据源，谁就握住了这一技术路线的瓶颈环节。
对用户/开发者/创作者的影响
对开发者而言，这意味着世界模型训练可能多出一条可采购的数据供应链，降低自建采集团队的门槛；但数据质量、物理真实度和授权合规仍是采购前必须核验的三件事。对游戏工作室和玩家来说，游戏行为数据正在被重新定价，未来可能出现数据授权分成或玩家补偿机制。对机器人、自动驾驶方向的团队，游戏数据更适合做预训练和泛化，具体任务仍需用真实环境数据做后训练微调，不宜直接当作落地数据使用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Worldmodeldata 能否公布首批合作实验室与实际训练效果，证明游戏数据确实提升了下游任务表现；二是 Nvidia 等自研物理引擎路线与游戏数据路线谁在精细操作任务上更占优；三是玩家数据补偿是否落地，以及游戏公司授权数据的合规边界如何界定。
来源：Wired AI
