EarthOS 和 NationalOS：两种星球模拟系统的构建实验

两种尺度的模拟

VIDRAFT 正在推进两项大规模模拟项目，它们分别位于模拟尺度的两个极端。EarthOS 根据观测数据对物理地球进行建模；NationalOS 则把人类群体建模为由 AI Agent 组成的群体。两者都押注于同一个理念：小团队也能构建通常只有大型实验室才具备的模拟基础设施——靠方法取胜，而非规模。

EarthOS：地球观测基础模型

EarthOS 是一个地球观测基础模型，它吸收了 OlmoEarth 的方法：利用卫星和遥感数据进行预训练，生成能够迁移至下游地理空间任务的 embeddings，例如土地覆盖、变化检测、农作物与植被分析，以及灾害响应。

其设计目标是获得一种共享表征。你不必针对每种传感器或每项任务训练一个专用模型，而是在多模态地球观测数据上训练一个统一的 backbone，再通过轻量级 head 适配不同任务。这与让语言和视觉基础模型发挥价值的迁移学习逻辑相同，只不过现在处理的是从轨道卫星传回的像素。

许可证在这里至关重要。EarthOS 的许可条款明确排除了监控和警务用途。地球观测模型天然具备双重用途，与其假装风险不存在，我们更愿意从一开始就在许可证中对其加以约束。

NationalOS：社会数字孪生

NationalOS 是另一种模拟系统——社会数字孪生。它建模的不是物理世界中的像素，而是由数百万个 AI Agent NPC 构成的人口群体，每个 Agent 都是具有自身属性和行为的独立个体。韩国版本的目标规模约为 5200 万个 Agent，大致相当于为该国每个人创建一个 Agent。美国版本则把同样的方法应用于另一群人口。

它的重点在于涌现出的群体级行为。当你实例化数百万个相互交互的 Agent 时，就可以针对政策、信息流动和集体响应提出各种“如果……会怎样”的问题，而这些问题往往是聚合统计模型难以处理的。这相当于把基于 Agent 的建模推进到了国家级规模。

两者共享同一种世界观：如果拥有一个通过学习得到且可查询的复杂系统模型，那么对这类系统进行推理会比面对电子表格容易得多。EarthOS 提供环境层面的基础底座，NationalOS 则提供生活在其中的人群底座。原则上，两者可以组合起来——把环境信号输入人口模型——不过这种集成仍属于未来工作，尚未成为已经交付的功能。

在仅约 24 块 GPU 的硬件规模上同时运行这两个系统，迫使我们保持克制。我们无法依靠暴力计算解决这些问题，因此工程实现更侧重迁移学习、高效的 Agent 表征，以及复用预训练 backbone，而不是从头训练所有组件。

这两个系统目前都处于研究阶段。EarthOS 是一项遵循已发表方法开展的基础模型工作，并非经过认证的业务级预测服务；下游任务的准确率完全取决于具体任务以及你提供的 fine-tuning 数据。NationalOS 是行为模拟系统，而非预测神谕——基于 Agent 的模型可以展示系统动态并对假设进行压力测试，但其输出质量取决于 Agent 中编码的行为先验，绝不能将其解读为对特定现实人物实际行为的字面预测。Agent 数量体现的是建模规模，并不代表已经验证的人口统计保真度。我们将这些仍在积极开发中的项目分享出来，并会随着它们逐步成熟，公布具体的评估结果。

更多信息：https://vidraft.net

若要采取进一步措施，你可以考虑屏蔽此人和/或举报滥用行为。