乐于分享
好东西不私藏

我用AI复刻了《星际穿越》的“五维书架”

我用AI复刻了《星际穿越》的“五维书架”
#星际穿越 #大模型测试 #karpathy #3d动画 #deepseek
Karpathy 的新标尺:百万 token,一个开放目标,两小时长跑

最近 Andrej Karpathy 提出一个测试模型能力的新办法:给模型一段文学作品、一笔约等于 10 美元的百万 token 预算,再抛出一个开放目标——用 Three.js 把它渲染出来。让它自主长跑约两小时,把散文里那些没说破的信息——谁在哪里、什么时候、发生了什么、镜头怎么运动——全部翻译成 (x, y, z) 坐标空间里的多边形资产,并编排成动画。

这个测试方法妙在"长程"二字。它逼模型做架构规划、长期一致性维护和细节展开,而不是在几十条消息里抖个机灵。我们拿《星际穿越》剧本里对 Tesseract 空间(书架背后、由五维文明构造出的三维空间)的描述,分别交给 GPT-5.6-luna 和 deepseek-v4-pro 生成动画。

下面是两个作品各自跑出来的样子——先看视频,再拆解。

已关注
关注
重播 分享
已关注
关注
重播 分享

一、电影里的 Tesseract 到底长什么样

在电影里,Tesseract 是未来"体(bulk)文明"为库珀搭建的构造体,让他能像在房间之间走动一样,在时间这条"物理维度"里前后穿行。视觉上它由几支团队共同完成:诺兰、理论物理学家 Kip Thorne、美术指导 Nathan Crowley,以及 Double Negative 的视效总监 Paul Franklin。

几个关键事实值得记下来:

它是"被展开的四维超立方体"。 每个房间是女儿墨菲卧室在某个时刻的切片,切片之间由"世界线(world lines)"相连——房间里每个物体、每个人,都在三维空间里拖出一条贯穿时间的管。诺兰最终采用了"交替晶格"的排布方式:每间房有两组世界线穿入,第三轴沿路径交替延伸——这样既保留了无限感,又不至于让观众看晕。

大量实景。 剧组真搭了一个 Tesseract 体积:四个房间环绕中央虚空,钢架支撑,现场最多用了 18 台投影仪把动画投在世界线管壁上。DNEG 的团队先把几何体交给美术部门做实体切割和挤出,再用高分辨率激光打印出管壁纹理贴纸,手工粘贴到实景上。灵感来自 Gerhard Richter 刮涂颜料的痕迹、slit-scan 摄影(赛马终点摄影用的那种技术),以及《2001 太空漫游》里的星门。

下面这张照片来自电影拍摄现场——钢架结构清晰可见,四个房间围出中央虚空,投影仪把动画纹理贴在世界线管壁上:

来源:thisiscolossal.com 2015 年幕后特辑

下一张则展现了物理管壁挤出后的效果——你能看到剧组用激光打印贴纸手工粘贴在世界线管壁上的纹理细节,正是这些纹理在最终成片中以动画形式流动起来,承载着"时间"的信息:

来源:thisiscolossal.com

书脊即时刻。 墨菲卧室的书架被处理成时间的无限回廊,每一本书的书脊代表一个瞬间;库珀用引力推动书本,把信息沿时间送回去。掉落的那四本书拼出了 "S-T-A-Y"。

手表才是真正的信道。 墨菲手表的秒针被库珀拨动,承载了量子引力数据——这部分由 Thorne 真实计算过,后来还作为严谨的科学可视化发表在了《Classical and Quantum Gravity》上。这是好莱坞制作设计首次衍生出同行评审论文。

也就是说,电影里的 Tesseract,本质是一个"把时间做成可走进的空间"的隐喻。两个 AI 作品要复刻的,正是这个隐喻。

这张照片里你能看到 Matthew McConaughey 穿着航天服被威亚悬挂在实景之中,IMAX 摄影机就架在他身后不远处——他"推书"的动作是实景拍摄的,背景的数字延伸才在后期叠加上去:

来源:thisiscolossal.com

二、两个作品,两种气质

GPT-5.6-luna 版像一个克制的科学观测台。它把四维超立方体投影成"轴平行柱形":第四空间轴 w 直接映射到场景深度 z,八个时间切片沿 z 轴等距排开,每个切片是一间抽象成线框的卧室——床、书架、书桌、门、登月舱残片、手表一应俱全。发光的世界管由 CatmullRom 曲线加 TubeGeometry 生成,点击或按空格会沿"过去"方向发出引力脉冲粒子束。整体配色是深空黑配青色与琥珀色,留白很多,左侧面板实时显示 w 轴坐标、当前时刻、活跃世界管;底部有时间轴滑块,标注了从清晨到信号发出的八个故事节点。交互逻辑围绕"观测"展开:你选一根世界管,摄像机自动贴近,触碰即发射脉冲。

deepseek-v4-pro 版则像一部野心勃勃的电影复刻。它同样用 w→z 的柱形投影,但把时间切片扩到了 12 个,并且严格对应剧本节拍:T0 登月舱完好摆在桌上、T1 坠落、T2 尘暴日书本被推落、T5 "STAY"之夜桌椅抵门、T8 三十年后黄昏窗光变色、T11 成年墨菲手捧登月舱。房间不再是抽象线框,而是带地板、墙壁、随时代变色的窗户光、人形剪影、甚至 TARS 机器人轮廓的精细布景。远处还能看到 Gargantua 黑洞的吸积盘在缓缓旋转。

它用自定义 GLSL 着色器实现了真实的四极引力波——管壁按 cos2φ 偏振起伏,波前沿 -w 方向回溯传播。更硬核的是它显式模拟了"闭合因果环":你触碰世界管发出的引力波会"先于原因"抵达历史折点,让那一幕被点亮、抖动——用视觉效果诠释了"历史被完成,而非改写"这一物理叙事。右下角有随波回放的 "STAY" 莫尔斯信源面板,以及索恩《星际穿越的科学》第 30 章的注解浮层。它还用 WebAudio API 合成低频"引力震颤"声效、自带五套电影感运镜预设(推轨/摇摄/环绕/俯冲/跟随),操作提示区直接写着中文。

两张作品放在一起看,气质差异一目了然:

维度
GPT-5.6-luna 版
deepseek-v4-pro 版
视觉风格
抽象线框 + 观测台 HUD
电影级布景 + 氛围光效
时间切片
8 段,等距分布
12 段,严格对齐剧本节拍
科学表达
引力脉冲为视觉隐喻
四极偏振波、闭合因果环、莫尔斯 STAY、索恩注释
叙事密度
"观测台"式交互
事件日志 + 时代演进 + 运镜预设 + 音效
细节颗粒
物体以剪影/几何体呈现
含人物轮廓、TARS、吸积盘远景

一个耐人寻味的细节:GPT-5.6-luna 版里手表世界管携带的莫尔斯信源是占位的 "RAW",而 deepseek-v4-pro 版用的是电影真正的 "STAY"。前者把目标当作"可视化一道几何题",后者则试图把整段父女叙事塞进坐标空间。二者对"开放目标"的理解深度不同——一个交出了仪器读数,另一个交出了整场戏。

三、它们都踩中了同一个核心技巧

无论风格如何迥异,两个作品都独立地采用了同一条技术路线:把第四空间维度直接映射为场景深度(z 轴)。这避开了真正四维透视投影会把所有切片揉成一团、互相遮挡的死路,换来了可读的"时间走廊"效果。它们也都遵循同一条数据组织原则:"物体在世界管里的截面 = 该时刻切片里的实体"——散文里隐含的空间关系被统一落成了 (x, y, z) 多边形资产,库珀视点(摄像机)贴近世界管即触发回溯的引力波。

换句话说,两个模型都自主发现了"轴平行柱形投影 + 世界管"这条捷径。而这恰恰也是电影视效团队 Paul Franklin 在 Indiewire 专访中描述的核心方法——他把 slit-scan 摄影的原理搬进了 DNEG 的渲染管线,让每一帧都在"记录一个空间点跨时间的全部轨迹"。

AI 与诺兰的团队,在这个问题上想到了一块儿。

四、电影取景参考

以下是从网络获取的真实电影幕后照片,已下载到本目录,可直接用于排版:

图 1 —— Tesseract 体积全景实景 照片中能清楚看到四间房围绕中央虚空排布,钢架结构从画面中部穿过,剧组用激光打印贴纸手工覆盖在世界线管壁上。这就是诺兰"交替晶格"设计的物理化身。

来源:thisiscolossal.com

图 2 —— 库珀被威亚悬挂在实景中 McConaughey 穿着航天服悬浮在书墙之间,IMAX 摄影机就在他身后。这是电影最具标志性的镜头之一——他伸手推书的动作是实景拍摄的,背景的数字世界线延伸才在后期叠加上去。

来源:petapixel.com

图 3 —— 实景中的钢架与投影结构 Tesseract 体积的钢架支撑系统。诺兰坚持用实景而非全 CGI——团队把四维几何体交给美术部门切割成实体,再用投影仪把动画纹理贴到管壁上。最多 18 台投影仪同时运转。

来源:thisiscolossal.com

图 4 —— 世界线管壁交叉处的纹理细节 四组书架在世界线交汇点形成的几何花纹——每一条彩色的管都是从墨菲卧室延伸出的"时间轨迹"。激光打印贴纸被精确裁切后手工粘贴到管壁上,在成片中以动画形式流动。

来源:petapixel.com

五、结语

把一段文学描述变成可交互的三维空间,这件事的意义不止于"炫技"。它像一面镜子:模型能否在百万 token 的尺度上保持架构一致、能否把模糊的文字翻译成可执行的坐标、能否在无人纠错的长跑里不跑偏——这些才是 Karpathy 这把新标尺真正要量的东西。

而当我们把两个 AI 的 Tesseract 并排摆在一起,会发现它们和诺兰的摄影机做着同一件事:把看不见的时间,变成可以走进去的空间。区别只在于,一个交出了观测台的仪表盘,另一个交出了整部电影的布景。

也许这才是 Karpathy 测试最有趣的地方:它不是在考模型会不会写代码,而是在考模型能不能像导演一样思考——从一段文字出发,自主决定镜头在哪里、光从哪里来、观众该站在哪里感动。