1969 年，MIT 斯隆管理学院的教授 Jay Forrester 出版了一本争议极大的书：《Urban Dynamics》（城市动力学）。

Forrester 原本是一名电气工程师，在发明了磁芯存储器（也就是现代 RAM 的前身）之后，他突然转行，把目光从电子系统投向了人类社会系统。他想做的事情听起来既疯狂又迷人：用 150 个方程和 200 个参数，把一座城市的生命周期装进计算机。

Forrester 的模型模拟了人口、住房和产业三者之间的相互作用，试图解释城市如何成长又如何衰落。他的核心方法论叫做"系统动力学"（System Dynamics）—— 把世界看成一组存量（stocks）和流量（flows），通过反馈回路（feedback loops）连接起来。

比如：城市的就业机会是一个存量，就业机会多会吸引人口流入，人口流入会增加住房需求，住房需求推高地价，地价过高又会赶走企业…… 这些变量之间形成了一张复杂的因果之网，而 Forrester 的计算机模型会替你把这张网上的每一根线都追踪到底。

这套方法得出了一系列反直觉的结论 —— 比如当时最流行的城市政策（增加低收入住房、降低房产税）不但不能拯救衰落中的城市，反而会加剧问题。这些结论引发了巨大争议。

但对我们的故事来说，重要的不是 Forrester 的政策建议对不对，而是他提出的那个核心信念：人类的心智模型是模糊的，不适合理解社会系统的行为方式，而计算机模拟可以弥补这种认知局限。

二十年后，一个年轻的游戏开发者 Will Wright 在旧金山的公寓里读到了这本书。

Wright 当时正在寻找理解真实城市运作方式的方法，而 Forrester 的《Urban Dynamics》正好提供了他需要的东西。他用 Forrester 的理论，把自己正在开发的关卡编辑器中的静态城市地图变成了一个有生命力的、会成长和衰退的都市模型。Forrester 的计算机模拟是纯数值的、没有视觉界面；而 Wright 做的事情，是把 Forrester 的方程式穿上了血肉。

这是第一股力量：自上而下的系统动力学。 你站在上帝视角，定义宏观变量之间的因果关系，然后让系统自己运行。

但如果 SimCity 只有这一层，它不会成为一款伟大的游戏。它会是一个电子表格。

让 SimCity 真正"活"起来的，是第二股力量。

1970 年，英国数学家 John Conway 发明了"生命游戏"（Game of Life）—— 一个在无限二维网格上运行的元胞自动机。规则简单到令人不敢相信：每个细胞只有"活"和"死"两种状态。少于两个活邻居，死于孤独；两到三个活邻居，继续存活；超过三个活邻居，死于拥挤；恰好三个活邻居围绕的死细胞，复活。

四条规则，没有了。

但当你按下"运行"，不可思议的事情发生了。稳定的结构自发形成。有些图案开始有规律地脉动。有些结构会在网格上移动 —— 它们被称为"滑翔机"（gliders），仿佛是从无机的数学规则中涌现出来的微小生命体。仅仅依靠四条规则，系统就创造出了丰富的动态行为。这就是"涌现"（emergence）的魔力 —— 整体远大于部分之和，而复杂性不需要被设计，它从简单规则的交互中自然生长出来。

这是第二股力量：自下而上的元胞自动机。 你不去规定全局会发生什么，你只定义每个个体在局部该怎么行动，然后看全局自己长出什么来。

系统动力学和元胞自动机，是两种截然不同的观察、思考和用计算机表达世界的方式。Gingold 在《Building SimCity》中花了整整两章来分别追溯这两条线索的历史 —— 前者从 Forrester 在 MIT 的研究起步，后者从冯·诺依曼的自复制自动机到 Conway 的生命游戏一路展开。

而 Wright 的天才在于：他同时使用了这两种方式来构建同一个世界。

在 SimCity 的底层代码里，Forrester 的系统动力学模型驱动着宏观经济的运行 —— 税率、地价、人口增长、产业结构这些"大趋势"由一组方程控制。但在地图的每一个格子上，发生的却是元胞自动机的逻辑 —— 每块土地会根据周围邻居的状态（是工厂还是住宅？有没有通电？离犯罪区多远？）来决定自己是繁荣还是衰败。

宏观框架负责方向，微观涌现负责细节。 这种双层架构让 SimCity 既有可理解的因果逻辑（"哦，我提高税率之后企业走了"），又有不可预测的生动性（"等等，为什么这个街区突然自己繁荣起来了？"）。

请记住这个结构。因为三十年后，当我们审视今天的 AI 世界模型时，会发现同样的张力以全新的形式再次出现。

理解了 SimCity 的技术基础之后，还需要理解一个更微妙的概念，它是 Gingold 整本书最有洞察力的论断之一：SimCity 不是一个模拟器，而是一个"可操作的类比"（operable analogy）。

这两者的区别至关重要。

模拟器追求精确。气象模拟器试图精确预测明天的天气，飞行模拟器试图精确复现波音 737 的操控手感。它们的价值在于与现实的逼近程度 —— 越接近真实，越有用。

但 SimCity 从来不是这样的东西。Wright 自己就承认，SimCity 并不匹配现实。它的数学模型建立在特定的前提假设之上 —— 比如低税收一定促进增长、添加警察局就能降低周边犯罪 —— 这些假设未必正确。社会学家 Paul Starr 曾担忧这款游戏的底层代码是一个"不可触及的黑箱"，可能会"引诱"玩家不加批判地接受其内置的意识形态。甚至有玩家告诉《洛杉矶时报》："玩这个游戏的时候我变成了一个彻底的共和党人。我只想让我的城市不停地增长、增长、增长。"

这些批评有道理。但它们也恰恰证明了 Gingold 论断的深刻之处：SimCity 的价值不在于它有多像一座真实的城市，而在于它给了你一个可以动手操作的思维模型。

电脑里运行的数字模型，只是帮助用户在脑海中构建心智模型的"编译器"。SimCity 真正的产品不是计算机中那个浅层的城市模型，而是人们从玩游戏中获得的、对真实世界和复杂动态系统的更深层直觉理解。

这就好比，一张世界地图从来不"等于"世界本身。地图上的中国不会下雨，地图上的太平洋里没有鱼。但是，在你去一个陌生的地方之前，一张好的地图能让你在脑海里建立起关于这个地方的基本空间直觉 —— 什么在北边，什么在南边，走这条路大概要多久。SimCity 就是一张关于"城市系统如何运作"的地图。它不精确，但它能让你第一次"看见"一些你之前看不见的东西 —— 比如反馈回路的存在，比如系统惯性的力量，比如好心的政策可能带来糟糕的后果。

Wright 认为，游戏就是帮助人们建立"心智模型"的工具，让人理解世界某些部分如何运作。他想做的不是替代城市规划教科书，而是帮助人们构建出理解复杂系统所需的正确思维框架。

为什么我要在一篇关于 AI 世界模型的文章里花这么多篇幅讲这件事？

因为今天围绕 AI 世界模型的讨论中，最常见的误区就是用"精确度"来衡量它们的价值 —— "Genie 生成的画面够不够真实？""Oasis 的物理模拟够不够精确？""Marble 的 3D 环境能不能达到游戏引擎的品质？"

这些问题当然重要。但如果你只盯着这些问题，你就会错过真正的要点。Wright 在三十多年前就已经指出了这个要点：最好的世界模型不需要完美复现现实，它需要的是让人（或让 AI 智能体）在其中建立起关于世界如何运作的直觉。

或者，用 Gingold 的话说：模拟的力量不在于它有多像真的，而在于它给了你一个"可以操作的类比"—— 一个你可以动手拨弄、观察后果、修正假设的微缩世界。

SimCity 在 1989 年大获成功之后，Wright 和他的合伙人 Jeff Braun 决定乘胜追击。

逻辑很简单：如果能模拟一座城市，为什么不能模拟一切？

Wright 对尝试将 SimCity 的原则应用到其他主题充满热情，希望像 SimCity 激发人们对城市规划的兴趣一样，在更多领域引发类似的效果。于是 Maxis 开启了它的"Sim 一切"攻势：SimEarth（模拟整个地球生态系统）、SimAnt（模拟蚂蚁殖民地）、SimLife（模拟生命进化）、SimFarm（模拟农场经营）…… 每一款都试图用同样的方法论 —— 系统动力学 + 元胞自动机 + 软件玩具的交互设计 —— 去"装下"一个新的世界切片。

这背后有一个更大的商业叙事。Maxis 向投资人兜售的不仅仅是"我们会做更多游戏"，而是一个关于计算的范式级愿景："模拟"将成为人们使用计算机的一种基本方式，而 Maxis 就是这个新范式的中心。

这个愿景在技术上极其前瞻。但在商业上，它几乎完全失败了。

这些 Sim 游戏中的大多数都没有获得 SimCity 那样的热烈反响，多数被当作"转瞬即逝的新奇事物"。SimEarth 太复杂了，普通玩家搞不懂行星气候模型；SimAnt 太小众了，蚂蚁殖民地虽然在复杂系统理论中是经典案例，但很难让人像经营自己的城市那样投入情感；SimLife 的进化模拟过于抽象，缺少让人"上手就懂"的直觉入口。

Maxis 的财务状况不断恶化。公司与风投、任天堂和圣塔菲研究所之间的复杂关系深刻影响了 Wright 职业生涯的走向，而 Maxis 甚至未能支持 The Sims 完成开发，最终被 EA 收购。

回过头看，"Sim 一切"失败的原因不是技术不够好，而是 Maxis 忽视了 SimCity 成功的一个关键前提：每个人都有关于"城市"的生活经验。 你不需要读过 Forrester 的论文才能理解"我的城市堵车了"意味着什么。城市是一个每个人都天然拥有心智模型的领域 —— SimCity 只是帮你把这个已有的模糊直觉变得可操作。但行星气候？蚂蚁殖民地？基因进化？大多数人对这些领域没有预存的直觉模型，游戏也就失去了那个关键的认知锚点。

Wright 最终用另一种方式重新验证了这个道理。2000 年发布的 The Sims 成为了有史以来最畅销的 PC 游戏之一 —— 因为每个人都有关于"日常生活"的心智模型。模拟吃饭、睡觉、社交、上班 —— 这些是比城市规划更加普世的经验。

这段历史给今天的 AI 世界模型提供了一个清醒的警示。

2024-2026 年的世界模型赛道，在气质上与 Maxis 的"Sim 一切"时代惊人地相似。每家公司都在展示令人惊叹的技术 Demo：Genie 生成一个森林探险场景，Oasis 在浏览器里跑起了 Minecraft，Marble 从一张照片重建出你的客厅。投资人兴奋地涌入 —— World Labs 融了 10 亿美元，Decart 拿到了 Sequoia 的支持。

但从 Demo 到人们真正愿意每天使用的产品，中间有一条巨大的鸿沟。Maxis 用十年时间和一次公司出售的代价证明了这条鸿沟的存在。今天的世界模型创业者们，需要回答 Maxis 当年没能回答好的那个问题：你生成的这个世界，人们有没有预存的直觉去理解它？他们有没有足够的情感动机去持续待在里面？

技术从来不是瓶颈。找到那个所有人都自然关心的"城市" —— 那个每个人脑海中都已经有一个模糊模型、只等着被激活的领域 —— 才是真正的挑战。