融资与估值 - 公司完成1亿美元B轮融资，投后估值达31亿美元，约合人民币222.5亿元 [4] - 累计募资金额达1.53亿美元，约合人民币11亿元 [4] - 估值在8个月内从5亿美元增长至31亿美元，涨幅超过6倍 [4] - 投资方包括红杉资本、Benchmark、Zeev Ventures等老股东，以及新投资方Aleph VC [4] 创始团队背景 - 联合创始人兼CEO Dean Leitersdorf 23岁获得博士学位，具有学术天赋和军队背景 [5][9] - 联合创始人Moshe Shalev来自极端正统派家庭，未上大学，在以色列精英情报部队8200服役14年 [5][9] - 团队在8200部队结识，2023年共同创立公司，初始团队15人，两年扩展至60人 [9][10] - 旧金山研发中心由前Snap、谷歌专家Kfir Aberman领导 [10] 技术与产品 - 推出全球首个无限长视频生成模型MirageLSD，实现小于40毫秒超低延迟实时转换 [6][15] - 模型采用扩散强制技术，解决长视频生成误差累积问题，保持画面稳定 [16][17] - 支持实时响应新指令，如中途修改场景要求 [21] - 首款产品GPU优化工具将AI模型推理成本从100美元/小时降至25美分/小时 [11] - 面向消费者的AI游戏Oasis发布几天内吸引上百万用户，社交媒体观看量达数亿次 [11] 商业与战略 - GPU优化工具已实现盈利，带来数百万美元收入 [11] - 公司目标成为市值万亿美元企业，聚焦娱乐和创意领域 [25][26][28] - 计划开发十亿用户级APP，改变科技互动方式 [25][26] - 实际运营成本低，过去11个月仅花费不到1000万美元融资资金 [26] 行业影响与评价 - 技术有望重塑游戏、直播、视频通话、影视制作、AR/VR等领域生态 [7][21] - 红杉资本合伙人评价团队为超精英AI工程师，技术天赋顶尖 [13][22] - 前特斯拉AI总监Andrej Karpathy称其为实时魔法，认为技术具有通用性和强大潜力 [21]

融资与估值 - Decart完成1亿美元B轮融资 估值达31亿美元 11个月内完成3轮融资 上一轮估值仅5亿美元 半年多估值增长6倍 [1] - 本轮融资由Aleph VC新加入 Sequoia、Benchmark和Zeev Ventures等原有投资方继续跟投 [1] - 公司由以色列情报单位8200部队退伍军人Dean Leitersdorf和Moshe Shalev联合创立 [1] 核心产品技术 - Mirage实时AI视频转换模型实现40毫秒响应时间 突破传统AI视频10秒以上延迟限制 支持无限视频流实时转换 [3] - Oasis实时生成式AI开放世界模型 前3天用户突破100万 通过"下一帧预测"技术实现用户操作实时影响环境 [4] - 两项技术将AI应用从静态内容扩展到动态交互领域 显著降低3D内容创作门槛 [5][6] 商业模式 - 当前两大收入来源：GPU加速服务已产生数千万美元收入 Mirage模型API将成为未来核心收入 [9][10] - GPU专有优化技术将视频生成成本从10-1000美元/小时降至0.25美元/小时 相比Google Veo 3 Fast模型的1400美元成本优势显著 [10] - 计划打造开放生态 即将推出Mirage API赋能开发者 [9] 市场定位 - 瞄准AI改造互联网娱乐与创造领域的机遇 认为知识、电商、沟通三大类已被AI Agent改造 [8][9] - 目标成为拥有10亿用户的消费级应用 愿景是打造万亿美元市值公司 [8] - 产品应用场景包括视频会议实时风格转换、游戏画面实时渲染、广告内容动态调整等 [3] 行业趋势 - GEO(生成式AI搜索优化)成为新兴热点领域 已有产品实现每两周新增100万美元ARR [11] - AI基础设施和工具类产品融资活跃 如智能戒指Oura融资2亿美元估值52亿美元 [12]

游戏形态变革 - 纯文字冒险游戏《Tower-Crawl》通过AI生成动态剧情，玩家可自由输入行动指令，系统基于规则和常识实时反馈不同剧情走向 [6][8][10] - 游戏机制继承DND桌游精髓，AI替代传统地下城主角色，实现高度自由化和非预设剧情 [9][13][14] - 与传统3A游戏相比，AI文字冒险突破线性叙事框架，每次游玩产生独特体验，无固定攻略或隐藏内容 [17][19][20] 商业模式创新 - 采用订阅制收费，基础会员5美元/月，高级会员10美元/月，按输入次数消耗游戏币 [22] - 开发成本极低，开发者仅需设定基础世界观，AI完成剧情生成和美术素材，单人数周即可完成作品 [25][26][27] - 欧美市场存在DND情怀用户群，中年玩家付费意愿强，单个游戏数百玩家即可盈利 [29][31][35] 行业技术演进 - AI已应用于传统游戏开发环节，如NPC对话生成、场景建模和宣传素材制作，大幅提升效率 [38][40] - 初创公司推出实时AI游戏引擎Oasis和Mirage，实现动态场景生成和自然语言交互，但存在画面连续性缺陷 [42][44][46] - 技术方向聚焦解决生成一致性难题，未来可能转向算力付费模式，玩家通过氪金获取更高质量生成内容 [48][50][51] 市场竞争格局 - 欧美独立开发者密集涌入AI文字冒险赛道，主流平台AI dungeon收录数千款作品，头部产品Discord粉丝超3万 [31][33] - 题材从魔幻向多元扩展，包括科幻IP改编、恋爱模拟等，同质化严重但试错成本近乎为零 [34][35] - 传统大厂加速AI工具应用，动视等公司在宣传物料制作中已采用AI生成 [40]

核心技术突破 - 推出全球首个零延迟无限实时视频生成模型MirageLSD，采用自定义实时流扩散模型Live-Stream Diffusion（LSD），攻克传统自回归视频模型中误差累积的核心难题[4][9][11] - 通过因果自回归结构和Diffusion Forcing技术实现逐帧生成时保持时间连贯性，支持无限时长视频生成[14][15] - 历史增强策略主动添加模拟伪影训练模型预判纠正能力，推理阶段明确告知历史帧可能不准确以持续纠错[16][17] - 改进Transformer架构搭配视觉编码器和位置编码优化，处理速度比前代模型快16倍，达每秒24帧[6][18] - 应用KV缓存技术和蒸馏策略减少延迟，动态输入系统支持超低延迟响应玩家指令[20][21][22] 产品性能优势 - 实现40毫秒以下延迟，支持直播/游戏/视频通话等多形式输入，无时长限制实时生成[5][6] - 前代产品Oasis已实现每秒20帧零延迟生成，MirageLSD性能提升至24帧/秒[26][28] - 集成帧级提示词处理机制，可即时解析键盘指令和自然语言，实现"抖衣换装"等实时交互效果[21][23] 公司发展动态 - Decart为2023年成立的加州AI初创公司，获AI专家Karpathy天使投资[7][25] - 2024年推出首款实时生成式AI开放世界模型Oasis，MirageLSD为最新迭代产品[26][28] - 计划定期升级模型功能，包括面部一致性/语音控制等模块[28] 应用场景展示 - 支持用扫帚/盒子等日常物品替代专业设备进行沉浸式直播[1] - 实时修改游戏画面风格满足个性化需求[2] - 全双工通信通道实现输入输出并行处理，消除数据传输延迟[22]

多模态指令数据合成方法Oasis - 核心观点：提出一种新型多模态指令数据合成方法Oasis，仅需用户提供图片即可自动完成指令合成、质量控制和回复生成，显著降低人工成本并提升数据多样性[1][6][21] - 方法优势：打破依赖预设文本提示词的传统模式，利用图像输入诱导MLLM自主生成多样化指令，完全无需人工前置文本提示[6][14][15] - 质量控制：设计四维度筛选标准（可解性/清晰度/幻觉程度/无意义性），高质量指令接受率为50.9%[19][49][50] 技术流程 - 三步法：构造钩子提示词诱导自回归采样→LLM分类保留指令型数据→质量控制与回复生成[11][16][18] - 分类机制：采样结果分为指令型（保留）和描述型（舍弃），通过率为49.9%[15][16][46] - 垂域合成：基于OCR相关图片合成70k垂域数据，在OCR任务benchmark上提升显著[43] 数据特性 - 规模与扩展性：基于Cambrian-10M图片合成500k训练数据（Oasis-500k），数据量可线性增长[21] - 语言多样性：覆盖英文（78.52%）、中文（18.66%）及多种小语种[27] - 任务多样性：指令平均长度76.8（LLaVA-NeXT为55.03），动词-名词组合覆盖更广[24][28][33] 性能验证 - 基准测试：在14个benchmark上平均提升Vicuna1.5/Qwen2.5/Llama3模型性能3.1%/1.8%/3.2%[36][38] - 增量实验：500k Oasis数据使LLaVA-100k模型性能提升5.2%，300k→500k阶段增益达4.0%[40][41] - 消融结果：指令质量控制使模型整体性能提升1%，DocVQA/InfoVQA任务提升超7%[45][50] 开源生态 - 代码库MM-INF：集成Oasis及常用多模态数据合成方法，支持模块化数据合成流程[2][52] - 资源开放：提供论文、代码及数据集链接，涵盖Qwen2-VL等模型实现细节[4][12][52]

世界模型技术进展 - 开源世界模型Oasis首次实现实时可交互虚拟环境，包含画面及物理规则理解[1] - 微软开源MineWorld提升视觉效果和动作生成一致性[2][3] - 创业公司开源"多元宇宙"支持多玩家在同一世界模型游戏[4] - 英伟达提出"物理图灵测试"作为具身智能新标准[4] Matrix-Game技术突破 - 昆仑万维开源17B参数世界基础模型Matrix-Game，实现完整可交互游戏世界生成[6][10] - 模型特点包括细粒度交互控制(键盘指令准确率超90%)、高保真视觉物理一致性、多场景泛化能力[17][20][25][26] - 建立GameWorld Score评估体系，在视觉质量(0.72)、时间一致性(0.97)、交互可控性(0.95)、物理规则(0.76)四大维度超越竞品[30][31][35] 技术实现路径 - 采用两阶段训练策略：无标签数据预训练+标注数据可控训练[41] - 构建Matrix-Game-MC数据集，包含2700小时中质量+870小时高质量无标签数据及1000小时有标签数据[41][42] - 模型架构基于图像到世界建模，通过DiT生成潜在表示并由3D VAE解码为视频序列[44][45] 应用场景与行业影响 - 应用领域涵盖游戏开发、具身智能训练、影视与元宇宙内容生产[7][51] - 可与公司其他AI产品(天工大模型、Mureka、SkyReels)联动构建完整创作生态[51][52] - 代表空间智能发展方向，推动国内在交互式视频生成领域的技术突破[50][51] 行业趋势 - 三维世界AI研究加速发展，计算平台可能从处理token转向处理原子级单位[4] - 空间智能被视为生成式AI下一个发展方向，将推动更高级的智能实现[48][49] - 行业呈现技术全面兴起态势，类似大模型爆发的局面可能重演[4]