Genie 3的推出是AI發(fā)展史上的重要里程碑，它為中國AI大模型企業(yè)指明了方向，帶來了機遇與挑戰(zhàn)。

2025年8月5日，Google DeepMind宣布推出Genie 3，這是一個通用世界模型，能夠根據(jù)文本提示生成各種可互動的3D環(huán)境。該模型在720p分辨率下以24幀/秒實時生成環(huán)境，用戶可以像玩游戲一樣自由移動，并且場景在幾分鐘內(nèi)保持一致。此舉標志著DeepMind在世界模型領(lǐng)域的又一次重要躍進，距上一代Genie 2發(fā)布僅一年多時間。

我們梳理了目前Google官方報告和參與內(nèi)測的用戶的反饋，以及Genie3背后團隊的深度訪談，為大家提供核心信息的匯總，更好地了解這個模型。

十年磨一劍，世界模型迎來“ChatGPT時刻”？

在Google DeepMind，我們已超過十年時間在模擬環(huán)境領(lǐng)域進行開創(chuàng)性研究，從訓練智能體到掌握實時策略游戲，再到為開放式學習和機器人技術(shù)開發(fā)模擬環(huán)境。這項工作促使我們開發(fā)了世界模型，即能夠利用其對世界的理解來模擬世界某些方面的AI系統(tǒng)，使智能體能夠預(yù)測環(huán)境將如何演變以及其行為將如何影響環(huán)境。

世界模型也是通往通用人工智能（AGI）道路上的關(guān)鍵里程碑，因為它們使得在豐富的模擬環(huán)境中對人工智能代理進行無限課程訓練成為可能。去年，我們推出了首個基礎(chǔ)世界模型Genie 1和Genie 2，它們能夠為代理生成新環(huán)境。我們還繼續(xù)通過我們的模型Veo 2和Veo 3推動視頻生成技術(shù)的最前沿，這些模型展現(xiàn)出對直觀物理學的深刻理解。

這些模型標志著在模擬世界不同能力方面的進展。Genie 3是我們首個允許實時交互的世界模型，同時與Genie 2相比，它還提高了連貫性和真實性。

官方對Genie 3的能力做了簡潔描述：

1. 該模型能夠從任意文本提示生成可互動世界：實時輸出720p、24fps的動態(tài)環(huán)境，且場景在長達一分鐘的交互中保持物理一致；用戶還可以通過追加提示改變天氣或加入人物。

2. 模擬世界物理屬性：該模型能呈現(xiàn)水、光線等自然現(xiàn)象，以及復(fù)雜的環(huán)境交互。

3. 模擬自然世界：能生成豐富的生態(tài)系統(tǒng)，涵蓋動物行為與復(fù)雜植物。

4. 模擬動畫與虛構(gòu)場景：能激發(fā)想象力，生成奇幻場景與富有表現(xiàn)力的動畫角色。

5. 探索特定地點與歷史場景：能突破地理與時間限制，呈現(xiàn)特定地點與過往時代。

實時交互+長時程一致性，Genie 3如何實現(xiàn)？

Genie 3實現(xiàn)高度可控性與實時交互，離不開重大技術(shù)突破。在逐幀自回歸生成過程中，模型需納入隨時間累積的歷史軌跡——例如，當用戶一分鐘后重返某地時，模型需調(diào)用一分鐘前的相關(guān)信息。為實現(xiàn)實時交互，系統(tǒng)需每秒多次響應(yīng)新輸入并完成計算。

AI生成的世界要具備沉浸感，必須在長時間內(nèi)保持物理一致性。但自回歸生成環(huán)境比生成完整視頻更具技術(shù)挑戰(zhàn)，因為誤差會隨時間累積。盡管如此，Genie 3生成的環(huán)境仍能在數(shù)分鐘內(nèi)保持穩(wěn)定，視覺記憶可追溯至一分鐘前。

Genie 3的一致性是一種自然涌現(xiàn)的能力。NeRFs和高斯濺射等方法也能生成可導航的一致性3D環(huán)境，但依賴明確的3D模型；而Genie 3生成的世界更動態(tài)豐富，因為它基于世界描述和用戶行為逐幀創(chuàng)建。

除導航輸入外，Genie 3還支持更靈活的文本交互——即“可提示的世界事件”。

這類事件能改變生成的世界（如調(diào)整天氣、引入新物體或角色），超越單純的導航控制，豐富交互體驗。

這一能力還能擴展“反事實場景”（即“如果……會怎樣”）的范圍，幫助智能體通過經(jīng)驗學習應(yīng)對突發(fā)情況。

推動具身智能體研究

為了測試Genie 3創(chuàng)建的世界對未來智能體訓練的兼容性，我們?yōu)樽罱姹镜腟IMA智能體生成了世界，這是我們用于3D虛擬環(huán)境的通用智能體。在每個世界中，我們指示智能體追求一組不同的目標，它通過向Genie 3發(fā)送導航動作來試圖實現(xiàn)這些目標。像任何其他環(huán)境一樣，Genie 3并不了解智能體的目標，而是根據(jù)智能體的動作來模擬未來。

由于Genie 3能夠保持一致性，現(xiàn)在可以執(zhí)行更長的動作序列，從而實現(xiàn)更復(fù)雜的目標。我們預(yù)計這項技術(shù)將在我們邁向通用人工智能（AGI）的過程中發(fā)揮關(guān)鍵作用，并且智能體將在世界上扮演更重要的角色。

局限性與風險

盡管Genie 3拓展了世界模型所能實現(xiàn)的范圍，但有必要承認其當前局限性：

1. 有限的行動空間：盡管可提示的世界事件允許進行廣泛的環(huán)境干預(yù)，但這些干預(yù)并非一定由代理自身執(zhí)行。代理可直接執(zhí)行的行動范圍目前仍受限制。

2. 其他代理的交互與模擬：在共享環(huán)境中準確模擬多個獨立代理之間的復(fù)雜交互，仍然是持續(xù)的研究挑戰(zhàn)。

3. 真實世界位置的準確表示：Genie 3目前無法以完美的地理精度模擬真實世界位置。

4. 文本渲染：只有當輸入的世界描述中提供清晰易讀的文本時，才會生成。

5. 交互時長有限：該模型目前僅支持幾分鐘的連續(xù)交互，而非長時間。

我們相信，基礎(chǔ)技術(shù)從一開始就需要對責任有深刻的承諾。Genie 3中的技術(shù)創(chuàng)新，特別是其開放式和實時能力，為安全和責任帶來了新的挑戰(zhàn)。為了在最大化益處的同時應(yīng)對這些獨特風險，我們與負責任發(fā)展與創(chuàng)新團隊緊密合作。

在Google DeepMind，我們致力于以既能增強人類創(chuàng)造力又能限制非預(yù)期影響的方式開發(fā)我們一流的模型。隨著我們繼續(xù)探索Genie的潛在應(yīng)用，我們宣布將Genie 3作為一項有限的研究預(yù)覽發(fā)布，向一小部分學者和創(chuàng)作者提供早期訪問權(quán)限。 這種做法使我們能夠在探索這一新領(lǐng)域的過程中收集至關(guān)重要的反饋和跨學科視角，并繼續(xù)加深我們對風險及其適當緩解措施的理解。我們期待與社區(qū)進一步合作，以負責任的方式開發(fā)這項技術(shù)。

我們相信Genie 3是世界模型的一個重要時刻，它將開始對人工智能研究和生成式媒體等多個領(lǐng)域產(chǎn)生影響。為此，我們正在探索如何在將來讓更多測試者能夠使用Genie 3。

對中國AI大模型企業(yè)的啟示

Genie 3的推出，無疑為全球AI發(fā)展樹立了新的標桿，也為中國AI大模型企業(yè)帶來了諸多啟示。

1. 技術(shù)創(chuàng)新是核心驅(qū)動力

谷歌DeepMind在世界模型領(lǐng)域長達十年的深耕，才孕育出Genie 3這樣的突破性成果。中國AI企業(yè)應(yīng)意識到，大模型的發(fā)展不是一蹴而就的，需要持續(xù)投入大量資源進行基礎(chǔ)研究和技術(shù)創(chuàng)新。以字節(jié)跳動為例，其在云雀模型的研發(fā)過程中，不斷探索新型架構(gòu)和訓練算法，在自然語言處理的多個任務(wù)上取得了優(yōu)異成績。技術(shù)創(chuàng)新不僅體現(xiàn)在模型架構(gòu)和算法上，還包括對多模態(tài)融合、強化學習等技術(shù)的深入探索，以提升模型的綜合能力。

2. 重視應(yīng)用場景拓展

Genie 3在教育、培訓、機器人訓練等多領(lǐng)域展現(xiàn)出巨大潛力，這表明AI大模型的價值最終要通過實際應(yīng)用來體現(xiàn)。中國企業(yè)應(yīng)積極挖掘大模型在不同行業(yè)的應(yīng)用場景，如醫(yī)療領(lǐng)域的輔助診斷、金融領(lǐng)域的風險評估、工業(yè)領(lǐng)域的智能制造等。例如，百度的文心一言在智能客服、智能寫作等場景得到廣泛應(yīng)用，通過與各行業(yè)的深度融合，為企業(yè)和用戶創(chuàng)造實際價值。

3. 關(guān)注模型的倫理與安全問題

隨著AI技術(shù)的廣泛應(yīng)用，倫理與安全問題日益凸顯。Genie 3在發(fā)布時就強調(diào)了對責任的承諾，并通過有限研究預(yù)覽來管理風險。中國AI企業(yè)在發(fā)展大模型時，也應(yīng)建立完善的倫理審查機制，確保模型的開發(fā)和應(yīng)用符合道德規(guī)范和法律法規(guī)。例如，在數(shù)據(jù)采集和使用過程中，要充分保護用戶隱私；在模型決策過程中，要避免產(chǎn)生偏見和歧視。

4. 加強國際合作與交流

AI是全球性的技術(shù)革命，國際合作與交流至關(guān)重要。中國AI企業(yè)應(yīng)積極參與國際AI社區(qū)，與全球頂尖機構(gòu)和企業(yè)共同推動技術(shù)進步。一方面，可以學習借鑒國際先進經(jīng)驗和技術(shù)，提升自身實力；另一方面，也可以通過合作，共同應(yīng)對AI發(fā)展帶來的全球性挑戰(zhàn)，如數(shù)據(jù)安全、倫理規(guī)范等問題。

Genie 3的推出是AI發(fā)展史上的重要里程碑，它為中國AI大模型企業(yè)指明了方向，帶來了機遇與挑戰(zhàn)。中國企業(yè)應(yīng)在技術(shù)創(chuàng)新、應(yīng)用拓展、倫理安全和國際合作等方面積極探索，不斷提升自身競爭力，在全球AI浪潮中占據(jù)一席之地。