AI 不再只学像素，直接在 3D 空间里造世界了

做游戏的人都有过这种体验：先在平面软件里画好角色，再导入 3D 软件绑骨骼、调动作、搭场景，一套流程下来，几个小时就没了。

现在 Viggle 把这整套流程压进了一个模型里。他们发布的 JST-2，是全球首个全栈物理原生世界基础模型。和大多数在像素或视频空间里学习的世界模型不同，JST-2 从底层就建在 3D 空间里。

数秒生成一个 3D 场景，还能实时扩展；角色自带运动，全部通过一个通用架构完成。这背后是 Viggle 专有的 Joint Space-Time（JST）模型——在共享的 4D 空间里同时生成角色、运动和场景，而不是先分开做再拼起来。

@IntuitMachine 看到这波动作直接发问：「为什么新的 AI 架构突然冒出来了？这是另类认知架构的寒武纪大爆发吗？」

@omarsar0 补充了一个更具体的细节：JST-2 自带 PINOC MCP 服务器，给 Claude Code 发一条提示词，就能生成角色、用文本驱动动画、把场景拼到一起。角色和运动共享同一套骨架，不用再做二次绑定。

这不是实验室里的概念验证。Viggle 已经完成 2600 万加元的 A 轮融资，客户覆盖娱乐、游戏和企业领域的品牌与工作室。另一边，NVIDIA 的 Cosmos 平台下载量已达 200 万次，机器人和自动驾驶开发者正在用合成的物理感知训练数据喂模型。

当 AI 从「学像素」转向「学空间」，最先被改变的不是聊天框，而是那些需要反复搭建 3D 环境的行业——游戏、影视、仿真训练。以前需要三个人跟进的事，现在一条提示词就能跑通。

问题是：当造一个 3D 世界的门槛降到一句话，接下来被重新定义的，会是哪个行业？