Decart AI 展示了大多數人認為還需數年才能實現的技術：一個神經網絡即時生成可玩、互動的三維世界，而無需傳統遊戲引擎的參與。他們的 Oasis 演示是原生 AI 世界模擬的一個概念驗證，這項技術的影響遠超遊戲領域——從自動駕駛到機器人技術，再到空間計算。如果即時世界模型能達到生產級的實際應用，Decart 最早關於推論優化與互動生成的研究將成為基礎。
Decart AI 於 2023 年在特拉維夫由一群研究人員創立，他們曾致力於解決即時生成模型的問題——一種 AI 系統，不僅能產生靜態輸出，更能快速生成互動性、連續的內容流，讓使用者有如親身參與的即時體驗。由執行長 Ido Shiraki 帶領的創始團隊，背景來自電腦視覺、GPU 優化與神經網絡架構，他們提出了一個具挑戰性的問題：假設你能夠讓世界模型運行得足夠快，以完全取代傳統遊戲引擎？不是作為預渲染工具或資產生成器，而是作為運行時本身——即時生成每一幀畫面、每一個物理互動、每一項對玩家輸入的視覺回應。這個問題成為 Decart 的創立理論，也引發了生成式 AI 最受關注的示範之一。
2024 年底，Decart 發佈了 Oasis，一個能透過神經網絡推論即時生成類似 Minecraft 可玩體驗的 AI 模型。此系統中沒有傳統遊戲引擎、沒有預建世界幾何結構、也沒有物理模擬——僅有一個基於 Transformer 架構的模型，根據玩家輸入即時生成每一幀畫面，並以互動式幀率運行。這個示範立即引爆熱潮。雖然畫面有瑕疵、物理效果不一致、世界持續性有限，但其根本成就無可否認：一個神經網絡能以足夠快的速度生成一個連貫且互動的 3D 世界，讓玩家能在其中行走。這項技術成就需要極其優化的推論效率，將生成延遲壓縮至約每秒 20 幀所需的 50 毫秒預算。Decart 發布了此方法並開放了模型的一個版本，進一步放大了關注度。
Decart 的研究屬於 2024-2025 年間蓬勃發展的「世界模型」研究方向，由 Meta 的 Yann LeCun 等人推動，並由 Google DeepMind、Runway、World Labs 等多個實驗室探索。核心概念是 AI 模型應學習對世界運作方式的內在表示——物理規律、物體永恆性、因果關係——而不僅僅是對靜態資料的模式匹配。Decart 的獨特之處在於強調即時互動性。大多數世界模型研究聚焦於視頻生成或規劃，產生的是被動觀看的輸出，而非互動體驗。Decart 的模型設計用於回應連續輸入，使其更類似遊戲引擎，而非視頻生成器。這種互動性在技術上更具挑戰性，但也對遊戲、模擬、訓練與機器人等應用更具商業價值。
Decart 於 2024 年籌得 2100 萬美元的種子資金，由 Sequoia Capital 領投，Nvidia 風險投資部門等知名投資人參與。對於種子輪來說，這筆資金規模龐大，反映出投資人對世界模型領域的熱情，以及 Oasis 示範所引發的病毒式影響。公司目前的技術挑戰在於縮小「令人印象深刻示範」與「生產級體驗」之間的差距——生成的世界需要更高的一致性、更長的連貫時間窗，以及玩家與用戶對現代遊戲引擎所期待的視覺精細度。長期來看，機會遠比遊戲更大：即時世界模擬可應用於自動駕駛訓練、機械臂操作、建築視覺化，以及任何需要即時生成真實互動環境的領域。如果 Decart 能夠讓其推論足夠快速、輸出足夠可靠，他們可能定義出一種全新的 AI 原生互動媒體類別。