虚拟世界里有10万个AI角色，真的需要10万个大模型同时思考吗？

把“10万个AI角色”写进宣传稿很容易，把它们真正跑起来很难，而最直觉的做法几乎一定是错的：给每个角色配一个大模型，让它们各自不停思考。这样做的账单、延迟和一致性问题，会在角色数量涨到几百时就开始失控。更关键的是，这些思考绝大多数不会被任何人看到。爱游戏在虚拟世界方向上的判断是：大型世界需要的是分层智能，而不是无限调用大模型。下面把这个判断拆开讲清楚。

先问一个问题：这些角色，此刻被谁看着？

设计一个大规模世界，最有用的起点不是模型选型，而是承认一个朴素事实：玩家的注意力是有限的。同一时刻，一位玩家能认真观察的角色，也就是视野里的几个、正在对话的一两个、隔壁街区里他刚认识的几位。城市另一端有一万个角色在做什么，只要不影响这位玩家，对他而言就等于不存在。

但“不存在”不等于“可以不管”。世界要保持可信，那一万个角色的总体行为，仍会以各种方式渗到玩家眼前：物价、街上的人流、传闻、天气之后店铺的开关。所以问题被重新表述成：用多少精度，去维持多大范围的世界，才能让玩家在任何时刻都找不到破绽。这个问法直接引向下一节的分层。

四档精度：谁值得被精细模拟

图形渲染里有一个成熟的概念叫细节层次（LOD）：离摄像机近的物体用高精度模型，远的用简化模型。虚拟世界的模拟可以借用同样的思想，只是这里分层的对象不再是多边形，而是“思考的深度”。我们的设计思路大致分为四档。

这里有两点需要强调。第一，档位不是固定的标签，而是随玩家位置、任务线索和事件热度动态升降的。玩家走进哪个街区，哪个街区的角色就被抬高一档；玩家离开，就被放回低频。第二，分档的收益并不是“省钱”本身，而是让预算花在玩家真正能感知的地方。把同样多的算力平均撒给所有角色，每个人都只能得到一份浅薄的思考，谁也撑不起一次像样的对话。

事件驱动：让角色在“有事”的时候才醒来

另一个直觉上的误区，是让世界按固定时钟轮询：每隔一段时间，问每个角色一遍“你现在想干什么”。这种做法既浪费，也很难对齐因果。更合适的方式是事件驱动：角色平时按日程与规则运行，只有当某个事件与他相关时，才被唤醒去重新规划。

什么算“与他相关”？可以按几类信号来判断：与他有关系的角色发生了重要变化，他所在的地点状态改变了，他依赖的资源短缺了，或者玩家做出了会影响他的行为。事件本身也有等级。有人买了一块面包，是个不需要唤醒任何人的小事；粮仓着火了，则会沿关系与地点向外扩散，逐层抬高受影响角色的精度。

事件驱动还有一个好处：它天然带着来源。被唤醒的角色知道自己是因为什么而醒，写回世界状态的结论也就能挂上因果指针。这一点与我们在持久虚拟世界一文里讲的事件日志是同一套机制，分层智能与世界状态其实是互相依赖的两件事。

规则、行为树、小模型与大模型：各干各的活

即使在需要“思考”的第一档，也不是每一步都得动用最重的模型。把一个角色的决策拆开看，大部分动作是可以廉价完成的。

• 规则与状态机：处理确定性很强的事，比如开门关门、按日程移动、库存不足就补货。便宜、稳定、可预测。
• 行为树：处理有分支但结构明确的日常行为，比如“饿了就找吃的，没钱就去干活，有邻居打招呼就回应”。
• 小模型：处理需要一点语义判断、但不必深度推理的任务，比如把一句玩家发言归类为求助、闲聊或威胁，或者从若干候选行为里挑一个更合理的。
• 大模型：只留给真正开放的环节，比如与玩家的自由对话、需要在多个相互冲突的动机之间权衡的决定、对一段经历的反思。

Generative Agents 那项研究里的记忆流、重要性评分和反思，可以理解为给大模型的“昂贵推理”设了一道门槛：不是所有经历都值得反思，只有重要性累积到一定程度才触发。这种“先廉价筛选，再昂贵处理”的模式，与上面的分工是一致的。

缓存与计划复用也是不能省的一环。一个角色早上“开店营业”的计划，大体上每天差不多，没必要每天都重新推理；只有当条件与昨天出现显著差别，才值得重新规划。同类角色在同类情境下的决策模板，也可以复用，再叠加少量个体差异来避免千人一面。这里的思路与游戏里常见的对象池、资源缓存类似，只是缓存的内容是“决策”。

最难的部分：统计人口被看见时，怎么“具体化”

分层带来一个别的方案里少见的难题。第四档的背景人口本来只是统计数字，比如“这个街区有若干位面点师傅”，并没有一个个具体的人。可是玩家偏偏走上前，拉住其中一位说话，这个匿名的“路人”就必须瞬间变成有名字、有性格、有过去的个体，而且不能和已经存在的世界状态矛盾。

我们的设计思路是把这一步做成“升级”，并给它加上几条约束。

1. 先约束，再生成：具体化的个体必须符合他所在层级的统计分布，比如这个街区的职业构成、年龄结构、经济水平，不能凭空造出一位与此地格格不入的角色。
2. 与已知事实对齐：如果世界状态里已经记录了“这个街区有三家面包店”，那么新生成的师傅必须挂在其中一家名下，而不是凭空新增一家。
3. 生成后立即落库：一旦这位角色被具体化，他的身份、关系与初始记忆就被写进世界状态，此后的每次相遇都指向同一个人，不再重新“抽签”。
4. 可降级但不可失忆：玩家走远之后，角色可以回到低频档位，但已经生成的个体信息要保留，下次相遇不能改口。

这一步做不好，玩家会发现同一个路人每次见面都是不同的人，世界的可信度随之崩塌。所以我们宁可少生成一点，也要保证被生成的都能长期成立。相关的关系保存问题，可以延伸到社交图与关系记忆的讨论。

一个假设的场景：暴雨来了，精度是怎么被抬高的

下面是一个模拟场景，用来说明分层与事件驱动如何配合。数字与人物均为假设，并非爱游戏已上线的内容。

假设一座虚拟城市里，玩家正站在河边的集市上。此时的世界大致是这样：集市周围的摊贩与顾客属于第一、二档，他们各自按日程与规则活动；城市北区的居民属于第三、四档，只在粗粒度时间片里更新。

天气系统触发了一场暴雨，这是一个高热度事件。它沿着地点与关系向外扩散：集市的摊贩被唤醒，去决定收摊、躲雨还是加价卖伞，这一步用行为树加小模型即可完成，只有其中一位与玩家有过多次交流的老摊主，才会调用大模型去回应玩家“要不要一起躲一躲”的临时提问。北区的居民同样收到暴雨事件，但只以统计方式结算：户外营业的比例下降，室内场所的客流上升，个体不被逐一模拟。

玩家钻进一家茶铺避雨，与店里一位陌生的客人搭话。这位客人原本是第四档的背景人口，现在被具体化：系统根据这家茶铺的常客构成，给他一个合理的身份，再把这个身份写入世界状态。雨停之后，这位客人回到低频，但如果玩家明天再来，仍然会遇到同一个人。

整个过程里，被“昂贵思考”触及的角色只是极少数，世界却给人一种整座城市都在响应暴雨的感觉。这就是分层智能想要的结果：可信度来自精度的合理分配，而不是处处高精度。

成本、延迟与那些不该省的地方

分层不是没有代价。每加一层，就多一套升降规则，多一类可能出错的边界。我们在设计里格外留意几处：升降档的抖动，玩家在两个街区边缘来回走动时，角色不该反复被升降；事件风暴，一个大事件不应触发所有人同时唤醒大模型，而是需要排队、限流并设定优先级；延迟预算，与玩家直接交互的角色，必须在玩家期待回应的时间内给出反馈，必要时先用规则层给一个过渡反应，再由大模型补全。

也有一些地方不应该省。玩家的关键线索，比如他正在跟进的任务相关角色，不能因为分档而被静默降级；涉及玩家资产与关系的变化，必须留下可追溯的记录；AI角色的身份标注，不随档位变化而消失。至于把这些原则落成多大规模、多少并发，取决于具体设备与服务条件，本文不给出任何成本或性能数字，正式的功能范围以官方公布为准。

值得一提的是，公开研究已经展示了大规模智能体群体的可能性。Altera 的 Project Sid 在 Minecraft 里部署大规模自主智能体群体，观察到分工、资源共同管理与文化规范传播等涌现现象。这类实验说明规模化的自主行为是可以出现的，但它们同样提醒我们，数量上去以后，控制与观测的难度也跟着上去。对社区里的自发活动，可以继续参考虚拟社区的自发事件。

还有一个容易被忽略的检验方式：不看模型有多大，而是看玩家能不能在不同档位之间“穿帮”。比如从高精度街区走到低精度街区，角色的说话方式、对玩家的称呼、对刚发生之事的记忆是否连贯；再比如让同一个角色在离玩家很远的时候完成一件事，玩家赶到现场时，现场留下的痕迹是否与结果一致。这类一致性检查比单纯的吞吐量指标更接近玩家的真实感受，也更能暴露分层设计里的缝隙。

这也解释了为什么我们不把“同时在线角色数”当作最重要的指标。数量可以很漂亮，但如果被抬高精度的那几个角色与背景之间对不上，世界看起来就像一块贴了许多人头的布景。真正值得追的，是在玩家看得见的范围里，所有档位拼出来的是一个前后一致的社会。

把预算花在玩家能感受到的地方

回到开头的问题：10万个AI角色，真的需要10万个大模型同时思考吗？我们的回答是不需要，也不应该。更接近正确的做法是，让规则与统计支撑世界的宽度，让大模型专注于玩家能直接感知的深度，用事件把两者连起来，用世界状态保证它们说的是同一个故事。

这样的世界不靠“每个角色都很聪明”取胜，而靠“该聪明的时候足够聪明，不该聪明的时候足够便宜”。判断一个大型虚拟世界的设计是否成熟，不妨问：它的算力去了哪里？如果答案是均匀地撒向每一个角色，那多半是没想清楚；如果答案是集中在玩家看得见、摸得着的那一小部分，同时背后的世界依然连贯，那才是分层智能真正想做到的事。