Decart AI 于 2023 年在特拉维夫由一支研究团队创立，该团队一直在研究实时生成模型的问题——即那些不只是生成静态输出，而是能够以足够快的速度生成交互式、连续内容流的 AI 系统，从而让人感觉像实时体验。由 CEO Ido Shiraki 领导的创始团队来自计算机视觉、GPU 优化和神经网络架构领域，他们提出了一个颇具挑衅性的问题：如果能够以足够快的速度运行一个世界模型，从而完全取代传统游戏引擎会怎样？不是作为预渲染工具或资产生成器，而是作为运行时本身——实时生成每一帧画面、每一次物理交互、每一个对玩家输入的视觉响应。这个问题成为 Decart 的创始理论，并催生了生成式 AI 领域最引人注目的演示之一。
2024 年底，Decart 发布了 Oasis，这是一个通过神经网络推理实时生成可玩的《我的世界》类似体验的 AI 模型。没有传统游戏引擎，没有预构建的世界几何结构，没有物理模拟——只是一个基于 Transformer 的模型，根据玩家输入生成每一帧画面，并以交互式帧率运行。该演示立即走红。虽然画面存在瑕疵——视觉伪影、物理效果不一致、世界持久性有限——但其核心成就无可否认：一个神经网络能够以足够快的速度生成一个连贯、交互的 3D 世界，以至于你可以在这个世界中行走。这一技术成就需要非凡的推理优化，将生成延迟压缩到大约 50 毫秒的预算，以实现每秒 20 多帧的运行速度。Decart 发布了该方法，并开源了模型的一个版本，这进一步放大了其影响力。
Decart 的工作属于更广泛的“世界模型”研究方向，该方向在 2024-2025 年间获得了显著动量，由 Meta 的 Yann LeCun 等人物倡导，并被 Google DeepMind、Runway 和 World Labs 等多个实验室探索。核心思想是 AI 模型应学习对世界运作方式的内部表示——物理规律、物体恒常性、因果关系——而不仅仅是静态数据的模式匹配。Decart 的方法之所以独特，是因为其强调实时交互性。大多数世界模型研究聚焦于视频生成或规划，生成的是你观看而非交互的输出。Decart 的模型设计用于响应连续输入，使其更像游戏引擎而非视频生成器。这一交互维度在技术上更具挑战性，但对游戏、模拟、培训和机器人等应用的商业价值也更高。
2024 年，Decart 完成了 2100 万美元的种子轮融资，由 Sequoia Capital 领投，英伟达风险投资部门等知名投资者参与。对于种子轮融资来说，这是一笔巨额资金，反映了投资者对世界模型领域的热情以及 Oasis 演示的病毒式传播效应。公司当前的直接技术挑战是缩小“令人印象深刻的演示”与“生产级体验”之间的差距——生成的世界需要更好的一致性、更长的连贯窗口，以及玩家和用户期望的现代游戏引擎级别的视觉保真度。长期来看，机会远不止游戏：实时世界模拟在自动驾驶训练、机器人操作、建筑可视化等领域都有应用，任何需要实时生成逼真交互环境的领域都可能受益。如果 Decart 能够让推理足够快、输出足够可靠，他们可能会定义一种全新的 AI 原生交互媒体类别。