Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成

蚂蚁集团、西湖大学、浙江大学联合推出 Code World Model 2.0,它给代码驱动世界模型配上被叫做 “生成式显卡” 的 Invoker-Render 视觉渲染引擎,解决传统视频型世界模型长时间生成容易物体漂移、画面崩坏、身份错乱的痛点,在赛车交互演示里完成长达 30 分钟无切镜、无重置的一镜到底连续生成,用户可以通过手柄持续操控赛车,全程保持物体外观、场景结构稳定,指令响应也足够精准。传统世界模型大多直接根据动作生成像素画面,把世界规则、画面渲染绑在一起,一旦生成时间拉长,很容易出现物体变形、场景错乱、前后逻辑对不上;而 CWM 2.0 采用 “代码维护世界状态 + Proxy 中间表征 + 生成式渲染” 的分离架构,大模型负责持续编写代码维护世界里物体位置、运动规则、碰撞逻辑,输出轻量化 Proxy 线框表征,再交给 Invoker-Render 这个 “生成式显卡”,把结构化 Proxy 转换成高清画面,世界逻辑和画面渲染拆开之后,稳定性上限大幅提升。整套运行流程分成三层协同运转,代码层负责世界推演、状态更新,Proxy 层做结构化中转,渲染层负责输出高保真画面,三层解耦之后,就算长时间持续交互,底层世界规则不会随着画面生成跑偏。目前这套方案还属于实验室研究成果,演示以赛车场景为主,距离开放世界、人形机器人仿真、商用游戏落地还有不少优化工作,不过它给交互式世界模型提供了一条新路线,不用完全依赖传统游戏引擎光栅化渲染。

一、Code World Model 2.0 核心信息清单

  • 研发主体:蚂蚁集团、西湖大学 AGI Lab、浙江大学
  • 核心组件:Invoker-Render(生成式渲染引擎,俗称生成式显卡)
  • 核心能力:30 分钟一镜到底连续交互生成,无切镜、无重置
  • 底层范式:代码维护世界状态 + Proxy 结构化表征 + AI 渲染
  • 演示场景:交互式赛车,支持手柄实时操控
  • 解决痛点:长时序生成物体漂移、身份混淆、场景结构崩坏
  • 对比旧版:CWM 1.0 重点验证代码驱动世界,2.0 重点强化长时序渲染稳定性

二、CWM 2.0 架构分层对比表

分层模块核心职责特点
代码世界大脑编写、执行代码,维护世界规则、物体状态、碰撞逻辑只负责逻辑,不生成像素,状态稳定可追溯
Proxy 中间表征层将世界状态转为轻量化线框结构化描述作为渲染输入,信息精简、结构固定
Invoker-Render 生成式渲染引擎接收 Proxy,输出高保真连续画面相当于 AI 版显卡,专注视觉生成

三、传统像素直出世界模型 VS Code World Model 2.0

对比项传统像素式世界模型Code World Model 2.0
世界逻辑与渲染耦合在一起解耦分离,逻辑由代码维护
长时序稳定性长时间容易物体崩坏、漂移30 分钟连续交互保持一致性
控制精度动作指令容易失控、跑偏依托 Proxy,操控响应精准
修改场景规则很难,需要重新训练直接修改代码规则,灵活度高

四、Code World Model 2.0 完整运行流程

  1. 用户输入操作指令(手柄、键盘动作)
  2. 代码智能体更新世界代码,刷新物体位置、运动、碰撞状态
  3. 根据最新世界状态生成 Proxy 结构化线框表征
  4. Invoker-Render 读取 Proxy,渲染出当前帧高清画面
  5. 画面输出给用户,持续接收新操作,循环推进,全程不重置世界

五、当前方案局限与发展方向

  1. 局限:演示场景以赛车为主,复杂开放场景、多物体密集交互还待验证;算力消耗高,暂时没有面向公众开源部署
  2. 发展方向:拓展机器人仿真、数字孪生、AI 原生交互场景;进一步降低推理算力;兼容更多环境类型

六、总结

Code World Model 2.0 最大创新就是引入 Invoker-Render 这个 “生成式显卡”,把世界逻辑和画面渲染拆开,依靠 Proxy 中转,实现 30 分钟一镜到底的连续交互生成;它避开纯视频世界模型长时序不稳定的通病,是代码驱动世界模型路线的重要进展,但现阶段仍是实验室研究,大规模落地还需要持续迭代。

【相关 FAQ】

问题 1:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,“生成式显卡” 指的是什么?

回答 1:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,生成式显卡就是 Invoker-Render 渲染引擎,它接收 Proxy 结构化表征,负责把世界状态渲染成高清连续画面,是这套架构里专门负责视觉输出的模块。

问题 2:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,和普通视频世界模型差别在哪?

回答 2:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,普通视频世界模型直接从动作生成像素,逻辑和渲染绑定,长时间容易崩坏;CWM 2.0 用代码维护世界规则,Proxy 做中转,渲染单独分离,长时序稳定性更强。

问题 3:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,这个模型现在可以公开体验吗?

回答 3:Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成,目前属于实验室研究成果,赛车演示对外放出,暂时没有公开开源、开放体验通道。

【参考资料】

[2026-11-18](给世界模型装上「生成式显卡」!Code World Model 2.0 实现 30 分钟一镜到底)凤凰网科技

[2026-11-18](Code World Model 2.0 发布:代码驱动世界模型长时序交互渲染)机器之心

[2026-11-18](解耦世界逻辑与渲染,CWM 2.0 突破长视频世界模型一致性难题)36 氪

[2026-09-07](Code World Model:用代码构建可交互 AI 世界)36 氪

【免责声明】

本文仅整理 Code World Model 2.0 公开研究资讯,30 分钟一镜到底为特定赛车场景下实验室演示效果,不代表所有场景都能达到同等稳定性;该项目尚处于科研阶段,未商用,相关性能表现不代表未来产品能力;内容仅作为 AI 技术科普参考,不构成采购、开发投资建议。

本文来自作者[冷轨聚合]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/4143.html

赞 (4)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 冷轨聚合
    冷轨聚合 2026年11月18日

    我是新新网的签约作者“冷轨聚合”!

  • 冷轨聚合
    冷轨聚合 2026年11月18日

    希望本篇文章《Code World Model 2.0 搭载生成式渲染引擎 Invoker-Render,实现 30 分钟一镜到底连续交互生成》能对你有所帮助!

  • 冷轨聚合
    冷轨聚合 2026年11月18日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 冷轨聚合
    冷轨聚合 2026年11月18日

    本文概览:蚂蚁集团、西湖大学、浙江大学联合推出 Code World Model 2 0,它给代码驱动世界模型配上被叫做 “生成式显卡” 的 Invoker-Render

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们