不用下载不用装机!这款网页 AI 掌机,点开就逛 AI 造的世界
小时候攥着掌机在被窝里熬夜闯关的记忆,估计很多人都还留着。那种一小块屏幕装下一整个冒险世界的感觉,像极了把宇宙塞进手心。
谁能想到,二十多年后,"掌机" 这种复古物件居然又被 AI 翻了出来,只不过这一次,屏幕里的世界不再是提前做好的关卡,而是模型边走边画、实时生成出来的。

最近,李飞飞创办的空间智能公司 World Labs 放出了一个叫 Frameboy 的演示项目。
说它是 "掌机",其实有点夸张 —— 你不需要买任何硬件,只要打开浏览器,它在网页上模拟出一台复古游戏机的样子,屏幕背后连着云端的算力,你操控的视角走到哪儿,AI 就把哪儿的画面实时推给你。
简单讲,这是一台跑在浏览器里的 "赛博掌机",卡带不是插进去的实体芯片,而是一个个提前搭好的 AI 场景包。

玩法上手几乎没门槛。页面上摆着好几盘 "游戏卡带",封面图分别是童话村庄、粉色卧室、玻璃穹顶太空舱、图书馆、彩色厨房之类的样子,挑一盘点下去,屏幕上会先转十几秒加载进度条,等云端把场景调度好,你就可以在里面自由走动、转头、环顾四周。
移动可以用键盘,触屏设备上也能直接点按屏幕上的虚拟摇杆,视角随手指或按键调节,跟玩第一人称探索游戏差不多。唯一需要心理建设的是帧率:画面最高能跑到每秒 15 帧,受云端推流和网络影响,操作偶尔会顿一下,转头快了画面也可能出现拉扯感,算不上丝滑,但作为 "先看看能做到什么地步" 的演示,已经足够让人眼前一亮。

熟悉李飞飞团队路线的人会知道,Frameboy 并不是凭空冒出来的新东西。它脱胎于此前发布的 Atlas 世界模型。
Atlas 本身是一个从零预训练的多模态自回归模型,文本、图片、视频和三维信息都能装进同一个空间语境里一起理解,再根据已经看到的画面 "脑补" 出接下来该出现的内容,并且保证三维空间里的前后关系、遮挡关系是自洽的 —— 换句话说,它不是把一张平面图随便拉长,而是真的在理解这个世界 "哪里是地面、哪里是墙、东西摆在什么位置"。
Frameboy 用的是经过高度优化的 Atlas 变体,目标只有一个:在尽量保持生成质量和视角一致性的前提下,把推理速度压到最快,好让实时交互成为可能。

这里有个关键的技术路线值得掰扯清楚。整个过程里,真正出画面的运算并不在你的电脑或手机上,而是全部跑在远端服务器的高性能 GPU 上,模型一帧一帧把画面渲染出来,再通过网络像串流视频一样推到你的浏览器窗口。
你本地设备扮演的角色更像一个 "显示器加手柄",只负责接收画面和回传操作指令。这种思路跟现在的云游戏很像:重活都在云端干,终端只要能解码、能显示就行。
好处是门槛极低,一台能开网页的设备就能体验,不用堆显卡;代价也明摆着 —— 每一位体验者背后都在持续占用算力,GPU 开销和带宽成本都不算便宜,靠演示项目攒人气可以长期这么跑,将来真要大规模铺开,成本账怎么算还是个问号。
从已放出的场景也能看出团队的思路:眼下这些 "卡带" 更像样板间,用来证明 "同一个模型可以在不同题材里稳定重建空间"。
有的房间走温馨家居路线,阳光从窗户斜进来,地毯、梳妆台、摆件各自落位;有的跳到科幻感十足的太空舱,弧形舷窗外是模糊的绿植;还有手绘动画风的小镇街道、实验室长廊、海边庭院。你在里面走的时候,画面会随着视角变化重新合成,远处没看过的角落由模型现场补全,这种 "世界跟着你的视线一起长出来" 的体验,跟传统游戏里预先烘焙好的贴图是两种完全不同的路子。

当然,拿现在的 Frameboy 去跟成熟 3A 大作比画质和流畅度,多少有点为难它。15 帧每秒离大家习惯的 60 帧还有距离,场景里可交互的物件也有限,更多是 "逛" 而不是 "玩",部分画面在快速转向时会出现细节漂移,毕竟生成式模型本质上是在概率分布里挑下一帧,而不是在执行一套写死的物理规则。
它现在的身份更接近一份研究预览,用来回答一个问题:世界模型到底能不能做到实时、可走进去、视角可控。从目前反馈看,这个问题算是拿到了一个初步肯定的答案。
真正让人浮想联翩的是它指向的未来。眼下场景还是团队预先做好的 "卡带",但如果沿着这条路往下走 —— 模型推理更快、帧率往上提、云端算力成本被摊薄 —— 普通人也许不用学建模软件,不用写复杂的三维工程,只要用一段文字、几张照片,甚至随手拍一段视频,就能在浏览器里生成一个属于自己的虚拟空间:童年住过的老房子、脑补过的小说场景、跟朋友聚会的虚拟小院,做完直接把链接丢出去,别人点开就能进来逛。到那时候,"做世界" 这件事的门槛会被压到跟发一条朋友圈差不多低,网页本身就是入口,不再需要下载客户端、不再需要高配设备。团队之前的产品已经在尝试从文本、图片、全景照片生成可漫游、可编辑的三维世界,Frameboy 相当于把 "生成" 和 "实时交互" 这两段接在了一起。

目前这个演示已经上线开放体验,感兴趣的人直接访问项目页面就能上手。它更像 AI 行业里常见的那种 "先放个 demo 探探路" 的节点:技术上未必完美,商业账也还没算清,但方向感很明确 —— 生成式 AI 正在从 "给你看一张图、一段视频",往 "让你走进去、转一圈、再走出来" 的形态演进。屏幕还是那块屏幕,只不过以前是别人做好了等你玩,以后可能是你自己说句话,世界就长出来了。
至于这台 "网页掌机" 什么时候能真正丝滑、便宜、人人可造世界,现在下结论还太早。但至少在这个节点上,普通人已经可以亲手点开浏览器,提前逛一逛那个还在生长中的未来。
作者声明本文无利益相关,欢迎值友理性交流,和谐讨论~
