微软Muse是微软研究院与Xbox游戏工作室旗下Ninja Theory联合开发的生成式人工智能模型，2025年2月19日对外公布，相关论文同日发表于《自然》杂志。它属于微软所称的「世界与人类行动模型」(World and Human Action Model，WHAM)，能够根据游戏画面与手柄操作生成游戏视觉和控制器动作序列，被定位为游戏构思阶段的辅助工具。微软同时公开了该模型的权重、示例数据与交互界面，供研究团队和游戏开发者试用。
定义
Muse 是一种世界与人类行动模型，其核心任务是在给定游戏画面和玩家控制器输入的前提下，预测接下来会呈现怎样的游戏画面，或者反向预测玩家可能做出的控制器动作。微软把它归为自回归模型，训练素材来自多人对战游戏《Bleeding Edge》的游玩录像与手柄操作记录[1]。
与只处理文字或静态图像的模型不同，Muse 学习的是三维环境随时间变化的方式，包括物理规则、角色行为以及环境对操作的反馈，因此能够生成连贯且多样的游戏画面[2]。论文作者认为，这类工具更可能充当人类设计师的助手，而不是设计流程的终点[3]。
原理
Muse 接受画面与动作两种输入，并可在三种模式下工作：只根据动作序列预测画面、只根据画面预测下一步动作，以及同时生成画面与动作。后两种模式使模型既能充当世界模型，也能扮演类似玩家的行为策略[1]。
在训练数据上，游戏画面被编码为离散标记，自回归模型依据已有上下文逐段预测后续标记，从而还原出连续的游戏过程。公开的版本包括 2 亿参数与 16 亿参数两种规格，评测中使用的是后者，其整体规模约 19GB[4]。
推理时，模型可以只取约 1 秒共 10 帧的真实游玩画面作为提示，续写出一段最长约两分钟、且物理与角色行为保持一致的序列[5]。配套的演示器提供可视化界面，研究者可以给出截图、用手柄控制角色，并对生成结果反复调整[6]。
发展历程
2025年2月19日，微软正式公布 Muse，同日《自然》刊出论文，题为《面向游戏构思的世界与人类行动模型》。研发工作由微软研究院游戏智能与可教学人工智能体验团队与 Xbox 游戏工作室旗下的 Ninja Theory 共同完成，两者都位于剑桥，这为选用《Bleeding Edge》作为研究对象提供了便利[6]。在确定研究方向之前，团队访谈了 27 位来自独立工作室与大型厂商的全球游戏创作者[2]。
发布当日，微软在 Azure AI Foundry 上线了 Muse 的模型权重、示例数据和交互界面，并宣布设立 Azure AI Foundry Labs。权重同时在 Hugging Face 以开放形式放出，包含两个从相同数据从头训练的版本[7][4]。
2025年4月，微软公开了该系列的后续模型 WHAMM(World and Human Action MaskGIT Model)。它把逐标记生成的自回归方式换成一次性生成全部图像标记、再遮蔽并重预测的并行方式，画面生成速度由每秒约 1 帧提升到每秒 10 帧以上，分辨率由 300×180 像素提高到 640×360 像素，所需游玩数据也从约七年缩短到约一周[8]。同期，微软在 Copilot Labs 上线了由该模型驱动的《雷神之锤II》试玩演示[9]。
应用
Muse 的主要用途是游戏构思与原型制作。开发者可以在项目早期用截图和手柄输入快速看到玩法概念在屏幕上的样子，并据此修改方案[10]。Xbox 方面表示，已有团队用 Muse 开发基于其他第一方游戏训练的实时可玩模型[5]。
另一个方向是经典游戏的保存与迁移。大量与老旧硬件绑定的旧作如今已难以运行，微软正在探索借助 Muse 学习旧作内容，使其能在各种设备上流畅呈现[2]。
微软研究院院长 Peter Lee 还提到游戏之外的设想，例如家庭厨房格局改造、零售空间重新设计，以及为工厂车间建立可供试验不同方案的数字孪生。不过他也指出，能否获得高质量数据是推向这些场景的主要障碍[7]。
局限
早期版本的能力受到分辨率与速度的双重限制。根据参与研究的负责人介绍，画面分辨率固定为 300×180 像素，模型规模越大结果越连贯，但推理速度也越慢，两者难以兼顾[5]。
模型只在一个游戏上训练，生成内容被限定为与《Bleeding Edge》相似的画面，微软也声明该模型及配套代码仅用于学术研究，生成的图像带有水印与来源元数据，并要求使用者不要移除[1]。
后续的 WHAMM 虽然速度更快，但实测仍存在明显缺陷：上下文长度只有 9 帧，在每秒 10 帧的运行速度下，敌人或物体离开视野超过约 0.9 秒就会消失；敌方角色显示模糊、战斗伤害与剩余数值不够准确；可玩范围仅覆盖单个关卡的一段区域，走到边界后模拟即停止；通过浏览器试玩时还有明显的输入延迟[8][10]。
在业界反应方面，论文作者本身即认为此类工具不太可能成为设计流程的最终环节，更宜作为人类设计师的辅助手段[3]。此外，也有开发者对使用人类作品训练生成式人工智能表示反对，独立工作室 Polygon Treehouse 为此提出了「无生成式人工智能」标识[11]。
参见
-
生成式人工智能 —— 微软 Muse 所属的技术类别。
-
世界模型 —— Muse 所采用的建模范式，通过对环境演变的预测支持交互式生成。
-
Ninja Theory —— 与微软研究院共同开发 Muse，并提供训练数据来源游戏《Bleeding Edge》的工作室。
-
Copilot —— 微软于 2025 年 4 月通过其 Copilot Labs 上线基于 Muse 系列模型的《雷神之锤II》试玩演示。
-
雷神之锤II —— 用于展示 Muse 系列实时生成能力的经典第一人称射击游戏。
参考资料
- AI Model Catalog . azure.com [引用日期2026-09-29]
- xbox.com 上的网页 . xbox.com [引用日期2026-09-29]
- swissinfo.ch 上的网页 . swissinfo.ch [引用日期2026-09-29]
- wham . huggingface.co [引用日期2026-09-29]
- venturebeat.com 上的网页 . venturebeat.com [引用日期2026-09-29]
- 开局一张图、后续游戏画面全靠 AI 编，微软首发生成式 AI 工具 Muse 登上《自然》 . c114.net.cn [引用日期2026-09-29]
- A new level unlocked - The Official Microsoft Blog . microsoft.com [引用日期2026-09-29]
- 20250407-microsoft-ai-quake-2-demo . gigazine.net [引用日期2026-09-29]
- Xbox generative AI creates playable version of Quake 2 . tweaktown.com [引用日期2026-09-29]
- Quake-2-can-now-be-played-with-Microsoft-Copilot-10342034 . heise.de [引用日期2026-09-29]
- microsoft_genai_game_dev_model . theregister.com [引用日期2026-09-29]
浏览次数：0 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-09-29T08:55:56Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。