游戏人工智能领域迎来重大突破。NVIDIA携手斯坦福大学共同推出名为NitroGen的全新通用型游戏智能体，该系统基于超过1000款风格迥异的游戏、累计达4万小时的高质量交互数据训练而成，展现出卓越的跨游戏适应能力。尤为引人注目的是，研究团队宣布将全面开放模型权重与完整训练数据集，此举被视为推动全球AI研究普惠化的重要一步。
打破“专机专用”困局，迈向真正通用智能
长期以来，游戏AI多局限于“一个模型只玩一种游戏”的封闭模式，每次换新环境都需重新训练，效率低下且难以迁移。NitroGen则另辟蹊径，通过在涵盖平台跳跃、即时战略、第一人称射击、解谜模拟等广泛类型的游戏宇宙中进行大规模预训练，逐步习得通用的游戏理解力——从画面识别到动作决策，再到操作反馈，形成一套可复用的认知框架。实验证明，面对从未接触过的全新游戏，NitroGen仅需短暂探索即可达到普通玩家的操作水平，展现出惊人的泛化潜力。
项目地址：https://nitrogen.minedojo.org/
开源4万小时黄金数据，构建AI新基座
研究人员指出，NitroGen的核心竞争力不仅在于算法设计，更源于其背后庞大而精细的数据支撑。为此，团队同步发布了GameVerse-1K——迄今为止最全面的游戏行为数据集之一，内容包括：
- 超过千款主流及独立游戏的完整游玩轨迹；
- 长达4万小时的人类玩家与AI代理操作记录；
- 每一帧图像、每一次按键输入、每一条奖励信号和状态信息的毫秒级对齐。
该数据集连同NitroGen模型本身，均已通过GitHub与Hugging Face平台免费向学术界和非商业开发者开放，旨在降低研究门槛，激发社区创新活力。
端到端视觉驱动，统一动作抽象架构
NitroGen完全依赖屏幕像素作为输入，不接入任何游戏内部API或底层状态接口，真正做到“像人类一样看图操作”。同时，其引入创新的通用动作空间映射机制，能将键盘、手柄、触控等多种控制方式统一编码，使同一模型可无缝适配PC、主机乃至移动端游戏，实现真正的跨平台通用性。
超越娱乐边界：通向AGI的关键跳板
业内分析认为，NitroGen的意义早已超出游戏范畴。虚拟游戏世界具备高复杂度、强互动性和丰富反馈机制，是锤炼通用人工智能的理想沙盒。NitroGen所验证的“海量多域预训练+快速零样本迁移”技术路径，未来有望应用于机器人任务规划、自动驾驶场景应对、智能制造仿真等现实场景。
NVIDIA与斯坦福此次选择彻底开源，不仅是科研精神的体现，更是对“开放生态加速智能进化”理念的坚定践行。如今，NitroGen的代码与数据已全面上线，一场始于像素世界的智能变革，正悄然向物理世界延伸。
