9月下旬，世界模型公司Odyssey发布了Agora-2，一组可以同时容纳多个参与者与AI智能体的实时模拟环境，官方描述为支持最多20个人类与智能体实时共享同一个模拟空间，并以可玩研究预览的形式对外开放在线体验。这条消息在空间智能方向引起关注的原因，不在于画面分辨率或生成质量，而在于它把世界模型的评价维度从单人漫游推向了多主体共存。
过去一年世界模型的进展主要集中在单人视角的连续生成上：给定一条相机轨迹，模型持续生成一致的环境画面，让使用者获得在生成世界里行走的体验。这类工作的核心难点是长程一致性，也就是走了很久之后场景不发生漂移。评价指标也围绕这一点设计，比如重访同一位置时画面是否与首次一致。
多主体共存的难度是另一个量级。当多个参与者在同一个世界里各自移动、各自改变环境状态时，模型不仅要维持每个人视角内的画面一致，还要维持所有人看到的是同一个世界。某个人推动了一个物体，另一个人从别的角度看过去，必须看到这个物体确实被推动了。这要求系统维护一份共享的世界状态，而不只是为每个视角单独生成一段视频。
Agora-2选择把人类参与者与AI智能体放在同一个环境里，进一步增加了复杂度。智能体需要理解环境当前状态并做出行动，行动结果又要即时反映到共享状态里，再被所有参与者感知。这条链路里任何一环出现延迟或不同步，都会破坏共存体验。因此这类系统的关键指标不只是画质，还包括状态同步的延迟与一致性维持的时长。
技术上的第一个难点是状态表示的取舍。如果每个参与者都维护一份完整的世界状态，那么状态之间的冲突解决机制就变得必要：两个人几乎同时操作同一个物体，谁的结果生效、另一个人看到什么，需要一套确定性规则。如果只维护一份中心状态，那么所有视角的生成都要基于这份状态进行条件化，模型必须能在任意视角下正确还原同一份状态。
第二个难点是算力分配。实时生成多个视角的画面，计算量随参与者数量线性增长，而交互体验又要求低延迟，这两者天然矛盾。可行的做法通常是把大部分算力花在真正发生变化的区域，对静态背景做缓存复用，再根据视角重要程度动态调整生成精度。这些策略在单人场景里已经有实践，扩展到多主体时需要对每个视角单独调度。
第三个难点是一致性的时间尺度。单人漫游里，短暂的不一致可能被观察者忽略；多主体场景里，任何一个人看到异常都会立刻破坏沉浸感，而且不同人的异常会互相强化。有研究把这类问题称为多主体一致性陷阱：每个视角单独看都合理，放在一起却互相矛盾。解决它需要的是全局约束，而不是逐视角的后处理。
Odyssey把这次发布定义为可玩研究预览，而不是正式产品。这个定性很重要，它意味着团队更关心的是收集真实交互数据与暴露系统边界，而不是立刻商业化。研究预览通常会放开一部分能力，同时明确标注当前限制，让使用者在体验中自然发现哪些场景能跑、哪些会崩，这些反馈对下一阶段的技术路线选择价值很高。
共享世界模型的应用想象空间确实更大。单人漫游更接近一种新型的观看体验，而多主体共存更接近一种新型的空间，可以承载协作、对抗、社交与教学等多种互动形式。游戏、虚拟活动、远程协作与教育培训都是潜在落点，它们的共同点是需要多个参与者对同一个空间有共同认知，而这正是当前生成式方法最不擅长的部分。
不过从研究预览到可用产品之间还有明显的距离。参与者数量、单次会话时长、可交互物体的种类、状态持久化的范围，这些参数决定了它能支撑什么样的实际场景。20人这个数字在演示层面足够有说服力，但在真实使用中，网络延迟、终端算力与并发成本会迅速成为瓶颈。行业更关心的是这些边界能否在接下来一年里被逐步推开。
把Agora-2放在世界模型这条技术路线里看，可以观察到一次明显的分岔。一条路线追求生成质量，目标是让生成画面在观感上逼近真实拍摄，评价标准是清晰度、物理合理性与长程稳定性；另一条路线追求可交互性，目标是让环境能对参与者行为做出合理响应并维持共享状态，评价标准是响应延迟、状态一致性与可承载的主体数量。
两条路线的资源分配方式不同。追求画质的方案会把大部分算力投向高保真渲染与细节生成；追求可交互的方案则愿意在画质上妥协，把算力留给状态同步与响应速度。从应用角度看，这两条路线最终会分化成不同的产品形态：前者更适合内容生产，后者更适合实时互动。判断一家公司押注哪条路线，看它公开的指标就够了。
对国内从业者来说，这个方向值得关注的原因在于它把空间智能的竞争标准往前推了一步。当评价维度从画面像不像扩展到多个主体能不能共处，工程能力的权重会明显上升，而这恰恰是国内团队在系统工程与成本控制上相对擅长的部分。接下来要看的是，这条路线能否在真实业务里找到第一个愿意付费的场景。
支持多主体共存的实时环境，对基础设施的要求与单人漫游完全不同。单人场景里，用户能容忍短暂卡顿，因为画面只服务于一个人；多主体场景里，任何一个参与者的延迟都会影响其他人的体验，因为所有人共享同一份世界状态。这要求系统把状态更新放在尽可能靠近参与者的位置处理，并在延迟与一致性之间设定明确的优先级规则。
算力预算的分配方式也随之改变。高保真渲染会消耗大量计算资源，而多主体场景需要把资源摊薄到每个视角上，因此系统通常要在画质与响应速度之间做取舍，例如对静态区域复用缓存、对动态区域提高更新频率、对次要视角降低生成精度。这些策略在传统渲染管线里都有成熟做法，难点在于把它们与生成模型结合，因为生成模型的单次推理成本远高于传统渲染，可调节的粒度也更粗，很难做到按区域精细分配。