NVIDIA与斯坦福强强联合！通用AI“玩转”千款游戏，4万小时训练数据全面开源

游戏AI迎来一次里程碑级进展。NVIDIA携手斯坦福大学近日发布全新通用游戏智能体——NitroGen。该模型基于覆盖1000余款不同类型游戏、累计4万小时的高质量游戏数据进行训练，展现出前所未有的跨游戏泛化与迁移能力。更令人关注的是，研究团队宣布将同步开放训练数据集与模型权重，为全球AI与游戏研究社区提供坚实的基础设施。

 “几乎什么游戏都能上手”的通用智能体

NitroGen的目标是打破传统游戏AI“一个游戏训练一个模型”的壁垒。过往的强化学习模型通常需要针对单一游戏从零训练，而NitroGen通过在大量、多样化的游戏环境中学习（涵盖平台跳跃、策略、射击、解谜、模拟经营等），掌握了通用的感知、决策与操作能力。实验表明，它在未见过的新游戏中也能迅速适应，达到人类玩家可玩的水平。

 项目地址：https://nitrogen.minedojo.org/

4万小时数据开源，助推游戏AI普及

研究团队强调，NitroGen的突破不仅来源于模型设计，更离不开高质量且大规模的训练数据。为此，他们同步发布名为GameVerse-1K的数据集，包含:

-1000+款商业与开源游戏的完整交互记录;

-累计4万小时的人类与AI游戏过程录制;

-逐帧画面、控制指令、奖励信号与状态元数据的精确对齐。

全部数据与模型权重将通过GitHub与Hugging Face开放，支持学术研究与非商业使用。

 技术亮点：端到端视觉感知 + 统一动作空间

NitroGen采用端到端的视觉输入（原始像素），无需访问游戏内部API或状态，真正实现“像人类一样通过画面来玩”。同时，模型设计了统一的动作抽象层，将不同平台的复杂控制（键盘、手柄、触控等）映射为标准化的动作空间，从而实现跨平台、跨游戏的泛化。

 行业意义:不止于游戏，更是通用智能的试验场

在AIbase看来，NitroGen的意义远不止娱乐。游戏是复杂、动态且高维的模拟环境，是锻炼与验证通用人工智能（AGI）的理想场。NitroGen所展示的“多游戏大规模预训练 + 快速迁移”的范式，未来有望推广到机器人控制、自动驾驶与工业仿真等真实场景。

此次NVIDIA与斯坦福选择全面开源，不仅能加速科研进展，也向行业释放了清晰信号：开放协作，是迈向通用智能的捷径。

目前，NitroGen代码与GameVerse-1K数据集已在官方仓库发布，开发者可立即下载体验。这场由游戏引燃的智能革新，正加速走向现实世界。