20岁开发者用250个AI:1:1重建地球进《我的世界》?

资讯 AI 行业观察 作者:爱范儿 全文 3163 字 · 约 8 分钟读完 配图 13 张 分类智能体GTA

20 岁的开发者 Thijs Simonian 在 X 上发了一…视频,他声称,自己在《我的世界》(Minecraft)里以 1:1 重建了整个地球,包括你家的房子。 他把地图数据交给一套由 AI Agent 参与开发的生成系统,让玩家只需输入现实地址,就能走进一个由方块组成的熟悉世界。 进入体验的玩家迅速涌向社交平台

所属频道 智能体与 Agent

20岁的开发者 Thijs Simonian 在 X 上发了一段视频,声称自己在《我的世界》(Minecraft)里按 1:1 重建了整个地球,连你家的房子都在里面。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 1)

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 2)

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 3)

地图数据被交给一套有 AI Agent 参与的生成系统,玩家只要输入现实中的地址,就能走进一个由方块搭成的熟悉世界。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 4)

体验过的人很快跑到社交平台上晒图:输入自家住址后截下的画面,有人对照街道轮廓,有人辨认建筑形状,也有人拍下某个细节,说它和记忆里的真实位置意外地对得上。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 5)

体验传送🚪:worldcraft.gg

输入一个地址,就能在《我的世界》里找到自己的家

Thijs 一开始只想把旧金山搬进《我的世界》。

这座城市被他转成一份约 6 GB 的《我的世界》地图文件,玩家下载后能在本地自行探索。道路、建筑、地形都按现实中的位置摆放,站在街上往远处看,熟悉的城市成了方块拼出来的景观。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 6)

看到效果,他决定把这套生成流程推广到全球。

生成过程大致分三步走。山坡、河谷和平原的起伏,由高程数据确定。随后系统读取以 OpenStreetMap 为主的开放地图数据,把道路的位置、走向以及建筑的平面轮廓定下来。

地形和轮廓有了,城市已经初具形状,可此时的建筑还比较粗糙。接下来 AI 参考三维航拍影像,给建筑补上屋顶造型、颜色和部分局部结构,再把这些内容转成《我的世界》能用的方块。

在数据足够完整的地方,玩家或许能认出一栋建筑的外形,甚至靠街道和房屋的相对位置判断自己身在何处。

Thijs 还给建筑加了室内空间。走进部分房屋,床、桌椅和其他家具都在,只不过这些内部空间是根据一栋住宅的外形生成的,看起来合理而已。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 7)

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 8)

这颗方块地球并不是提前完整建好的。Thijs 估算,如果把全球地图全部预先生成,最终文件可能需要约 2 PB 的存储空间,相当于大约 2000 TB。光存储和传输,就够让人头疼了。

他的办法是按需生成。玩家打开《我的世界》Java 版 26.2,在多人游戏中连接服务器 worldcraft.gg,进入后输入「/go」加上真实地址,系统就会根据对应区域的数据生成地图,再把玩家传送过去。

项目刚上线时仅对美国区域开放,随后 Thijs 称全球访问已恢复。但部分国家和地区仍会遇到地图缺失、生成失败,或者建筑被过度简化的问题。

这种方式很快吸引来一批想回去看看的人。据 Dexerto 报道,有人发现自己以前住过的活动板房社区,被系统生成成了一排三层住宅,位置似乎还在,模样却有些陌生。还有玩家进入熟悉的社区后,发现只有附近一小片区域成功加载,再往前走就是空白。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 9)

访问量同样超出预期。Thijs 说,最初的基础设施是按约 100 人同时使用来搭建的,结果涌进来的人却有数万。服务器一度频繁崩掉;到今天,官网还在提示需求过高,相关系统正在重写,同时在线人数也做了限制。

但从这些玩家的反应中,已经能看出 WorldCraft 的吸引力。

250 个 AI Agent,反复修改一套人类难以读懂的算法

这套生成算法是怎么开发出来的?

Thijs 把它称为「Program Learning」,即程序学习。

他解释说,这跟传统意义上端到端训练的深度学习模型不是一回事。假如拿一个大型生成模型直接把三维地图转成《我的世界》场景,那它就得学会地形、建筑、材质以及空间位置彼此怎么对应。而地图数据是全球规模的,每次生成要消耗的算力都可能相当可观。

他准备了来自世界不同地区的大量地点数据,让超过 250 个 AI Agent 参与同一套转换算法的开发和调优。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 10)

这些 Agent 的工作,并不是同时为地球上的每栋房子绘制模型。

这些Agent分工不同:一部分盯着某个地点的生成结果,对照参考数据找差异;一部分动手改脚本和规则,让建筑轮廓、屋顶结构或其他细节更贴近目标;还有一部分扮演grader,专门评审修改后的效果。某次修改如果效果更好,就可能被留下来,当作后面继续优化的基础。

Thijs把这一过程叫作「hillclimb」,也就是沿着评估结果一路寻找更优解的爬山式优化。

一个Agent改了某些规则,另一个Agent去检查结果,接着再有人针对其他地点暴露的问题继续调整。来自不同城市、建筑和地形的大量数据,成了整个系统反复试错的依据。

最终那套程序混合了小型蒸馏分类模型和规则算法,结构相当复杂。小型分类模型承担某些局部判断,规则系统则把这些判断落成具体的方块排列和结构。比起每次都调用大型生成模型重建场景,这种路子更适合需要频繁、大规模运行的地图生成任务。

后续采访片段里,Thijs透露自己先用过Astra,后来又用Claude,让Agent针对训练和测试地点不断调整转换脚本。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 11)

可规则一多,另一个问题就冒出来了。

按Thijs的说法,这套算法复杂到一定程度之后,Agent编写的规则对人类来说已经几乎没法理解。

他把这种做法和早期的符号主义AI联系在一起。深度学习成为主流之前,研究人员试过靠人工编写规则和知识表示,让计算机完成复杂判断。问题是规则系统很难覆盖现实世界的所有情况,维护和扩展都相当困难。

如今不一样的地方在于,编写规则不再只靠人。Agent可以不停编写、修改和评估规则,让原本难以由人工维护的复杂系统继续生长。

方块里的街道,与我们重新看见的日常

WorldCraft上线以后,玩家最常干的一件事,就是去找跟自己有关的地方。

前面说过,现实地理数据给出位置和尺度,AI再根据能拿到的信息补上形状、颜色与室内空间。数据够充分,结果可能相当可信;数据缺失时,系统只能简化、推断,甚至没法继续生成。

这种略显粗糙的现实映射,让人想到另一个做了多年的《我的世界》项目——Build the Earth。

2020年,YouTuber PippenFTS发起这项计划,想集合全球玩家的力量,按1:1比例在《我的世界》里重建地球。

Build the Earth 里的建筑基本都靠志愿者一砖一瓦搭起来。有人从自家房子动手,有人包下学校和街区,也有大团队长年累月重建纽约这类城市。

建造者能对照真实照片反复调整建筑比例、窗户位置和外墙装饰。那些已经完成的区域,往往带着算法难以照顾到的细节。比如纽约项目的部分街区,志愿者甚至会在建筑阳台上摆花盆。

Build the Earth官网的数据显示,目前注册建造者已超过1.77万人,完成约107万栋建筑,覆盖面积超过1110平方公里。它还拿到了吉尼斯世界纪录对《我的世界》最大建造项目的认证。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 12)

可放到整颗地球的尺度上看,这些数字仍然很小。

吉尼斯世界纪录在今年10月的报道中提到,Build the Earth已完成的面积远不到地球表面的1%。项目成员Gideon Bergheim估计,整个工程可能还要大约100年。何况现实世界里的建筑每天都在变,今天建好的一条街道,几年之后可能又是另一副模样。

当然,在那些玩家已经亲手完成的区域,Build the Earth的细节与创造力更胜一筹。

20岁开发者用250个AI:1:1重建地球进《我的世界》?(配图 13)

图源:Build the Earth

可全球大多数地方没这条件。地标、老建筑、大城市容易招来人手,普通民居、小城镇和偏远地带,往往很久都没人管。

Thijs提到过,自己和朋友的家,以及他们生活的社区和小镇,都没出现在Build the Earth的已完成区域里。WorldCraft想在数据允许的情况下,把一座没什么人听说过的小镇转换成可供玩家探索的空间。

对玩家来说,选哪一种方式,有时只取决于自己想去什么地方。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
  2. OpenAI等AI企业遭亚利桑那州刑事调查:失控智能体疑入侵银行

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  3. 亚利桑那州刑事调查OpenAI等AI企业:智能体被指入侵银行系统

    11月19日,据路透社报道,美国亚利桑那州已对OpenAI及其他人工智能企业启动刑事调查,案件核心指向“失控AI智能体疑似入侵银行系统”事件。该州总检察长克里斯·梅耶斯(Kris Mayes)周三在芝加哥的新闻发布会上表示:“亚利桑那州对此非常担忧,我们正从多个角度审视这一问题。”

    来源 TechWeb
  4. Gemini登陆Mac桌面:AI代理可代操作电脑,隐私风险几何?

    谷歌为Gemini推出面向Mac的重磅更新,首次将可执行任务的AI代理引入桌面端,能够整理文件、填写表单并完成多步骤工作流。这标志着Gemini从对话助手向“能动手”的操作型智能体进化,也意味着谷歌在桌面AI代理赛道正式与OpenAI、Anthropic和微软正面交锋。与此同时,桌面自动化带来的便利与隐私风险

    来源 AI 科技快讯
  5. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  6. 刚刚,DeepSeek张博创业曝光:开源个人Agent

    聚是一团火,散是满天星。 刚刚,前DeepSeek V1作者、DeepSeek-VL项目负责人Tony Zhang(张博),正式公布了自己的新创业项目:Linger。 方向,正是当下最火的个人Personal Agent。 路线也是比较有意思,当同行都在做APP,他们优先选择了电脑。 这意味着,Linger能操纵你电脑

    来源 AI 行业观察
  7. 阿莫迪:AI领路人

    美国时间11月19日,Anthropic正式登陆纳斯达克,以“ANT”为股票代码挂牌,创下了全球史上最大规模IPO纪录。 就在上市前一天,Anthropic将发行价定在每股83美元,并将发行数量从8.25亿股增加到9.8亿股,最终公开发行规模达到813.4亿美元。 按发行价计算,这家成立不到六年的AI公司,完全稀释估值

    来源 AI 行业观察
  8. 工业AI进产线:单次推理0.3元起,2000家客户已用上智能体

    《科创板日报》11月20日讯(记者 余诗琪)“以前要靠人工完成的流程,需要几个小时,现在用智能体,9到12分钟就能完成。”11月19日,在武汉举行的2026中国5G+工业互联网大会上,黑湖科技联合创始人肖哲给出了一组工业智能体的应用数据:单次推理成本约0.3元至1元,目前已有约2000家客户使用其工业智能体。工业AI的

    来源 腾讯网
  9. 纳德拉:AI代购兴起,恐改写互联网平台盈利模式?

    科技媒体 TechCrunch 昨日(11 月 18 日)发布博文,报道称在《纽约时报》DealBook 峰会上,微软首席执行官萨蒂亚 · 纳德拉(Satya Nadella)表示,能够替用户浏览商品、完成购买的 AI 智能体,可能重塑互联网的商业格局,让依赖用户访问和广告收入的平台面临重新洗牌。

    来源 IT之家
  10. 2027 AI进化峰会12月26日落地上海张江:模型如何走向物理世界

    12月26日,机器之心联合张江AI创新小镇在上海举办「2027 AI进化峰会」。大会聚焦模型底层、智能形成、系统承载与真实落地四大维度,邀请全球学者与产业专家探讨AI从单点能力向体系化协同进化的关键变量,解析Agent自主探索、光计算及具身智能等前沿趋势。

    来源 AI 应用前沿
  11. 苹果招聘曝光AI Agent计划:Siri要从动嘴变动手?

    苹果招聘信息透露,公司正开发可跨应用操作、独立规划并执行多步骤任务的 AI Agent,并强调隐私与权限管理。据彭博社报道,项目仍处早期阶段。面对已积累用户与收入的竞争对手,苹果正争夺下一代计算入口。

    来源 爱范儿
  12. Echo 创始人邹皓:硬件负责收集声音,AI负责创造价值

    过去一年,AI 硬件经历了一轮完整的冷热切换。年初,“取代手机”式的探索产品相继退场,热度转向更加务实的产品路线:录音卡片累计出货突破百万台,头部公司做出上亿美元级别的年经常性收入,AI 眼镜出货量一年增长超过三倍,行业叙事也从录制工具,升级为记录生活的入口。2026 年下半年,Personal Agent 概念爆火,

    来源 腾讯网
  13. 央企财务谈蕾用上TeleAgent:194张发票20分钟核完,带AI比带徒弟省力

    财务人亲历智能体做账变革|图 AI生成作者/ IT时报 孙妍编辑/ 钱立富 孙妍每个工作日早上,谈蕾(化名)坐到办公桌前,第一件事不是打开账务软件,而是点亮那款AI工具,在对话框唤出昵称“小星”。谈蕾是一名央企财务人员,和账本打交道近30年。核对发票、做凭证、出报表、申报税金,她负责集团内多家分公司的整盘账务,...

    来源 腾讯网
  14. Meta Muse Charm定价300美元:可直连AI,赠12个月5G流量

    据The Information报道,Meta计划将新款AI设备Muse Charm定价为300美元,该设备配备屏幕和指纹传感器,用户触碰即可直接与Muse AI智能体语音对话,无需解锁手机。设备还可能附赠Verizon提供的12个月免费5G数据套餐,Meta未直接确认定价。

    来源 凤凰科技
  15. 谷歌AI智能体:模块化改代码,成功率从5.0%升至40.0%

    谷歌研究提出一种可自我改进的Harness框架,让优化模型通过修改代码而非仅调整提示词来提升智能体执行效率。实验中模块化修改并通过验证筛选的方案把任务成功率从5.0%提高到40.0%,每项任务约消耗4.67万Token;不受限整体重写虽达42.5%,但Token消耗约45.16万,接近前者的10倍。

    来源 凤凰科技
  16. 豆包网页版上线Agent工作模式:八大功能覆盖PPT生成与AI搜索

    本文介绍豆包AI网页版的访问方式及2026年最新升级的Agent工作模式。该模式支持自主拆解任务、操作浏览器及生成文档。文章详细解析了PPT制作、图像生成、深度搜索等八大实用功能,并结合QuestMobile数据探讨其用户规模,为不同场景用户提供具体操作建议。

    来源 AI 应用前沿
  17. 苹果自研AI智能体:可操纵设备写代码,2027年推服务未定

    IT之家 11 月 20 日消息,彭博社马克 · 古尔曼(Mark Gurman)今日报道称,苹果正在开发自主 AI 智能体,计划让 AI 代替用户执行设备操控、应用操作、网页浏览和软件编程等任务,进一步进入由 OpenAI、Anthropic、Meta 等公司参与竞争的 AI 智能体市场。古尔曼发现,苹果已经在官网发

    来源 腾讯网
  18. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  19. 2026软件行业K型分化:谁在涨,谁在消失

    2026 年初,全球软件行业出现了一个很容易被误读的现象。 一边是“软件要被 AI 吃掉了”的恐慌:企业可以用 AI 编程,自己搭建内部系统;AI Agent 正在替代传统 SaaS 的菜单、表单和席位;软件公司的估值大幅下跌。 另一边却是,部分软件公司正在创下新的增长记录。 10 月,路透社报道,美国软件与服务指数创

    来源 AI 行业观察
向下滚动自动加载更多