AI 熱點(diǎn)一個(gè)接一個(gè)，大家光顧著看熱鬧，真正的王炸反而容易被錯(cuò)過。

就在今天凌晨，Google DeepMind 推出了打磨已久的新項(xiàng)目：Project Genie。這不單是一個(gè)好玩的 AI 工具，更是 Google 通往通用人工智能（AGI）的重要一步：

一個(gè)真正的「世界模型」實(shí)驗(yàn)原型。

目前，Project Genie 已經(jīng)向美國(guó)地區(qū) 18 歲及以上的 Google AI Ultra 訂閱用戶開放使用。

首先我們要搞清楚一個(gè)概念，Project Genie 生成的本質(zhì)上是一個(gè)實(shí)時(shí)渲染的交互環(huán)境。它的技術(shù)底座由三部分組成：負(fù)責(zé)圖像控制的 Nano Banana Pro、負(fù)責(zé)理解語言指令的 Gemini 模型，以及負(fù)責(zé)物理反饋的 Genie 3。

前兩者我們都比較熟悉，無需過多贅述，但 Genie 3 又該怎么理解呢？

簡(jiǎn)單來說，它的機(jī)制和人類做夢(mèng)的原理很像。

我們?cè)谧鰤?mèng)時(shí)，大腦會(huì)構(gòu)建一個(gè)包含視聽觸覺的虛擬世界。雖然夢(mèng)里的邏輯有時(shí)會(huì)跳躍，但沉浸感很強(qiáng)。Genie 其實(shí)就是讓計(jì)算機(jī)學(xué)會(huì)「做夢(mèng)」，并且允許用戶進(jìn)入這個(gè)夢(mèng)境進(jìn)行互動(dòng)。

此外，與 ChatGPT 這類基于文本統(tǒng)計(jì)規(guī)律的模型不同，Genie 3 本質(zhì)上是一個(gè)「物理世界模型」。它雖然沒學(xué)過物理公式，但通過觀看幾百萬次物體運(yùn)動(dòng)的視頻，自己「學(xué)會(huì)」了重力、慣性這些物理規(guī)則。

體驗(yàn) Project Genie 的方式也非常簡(jiǎn)單。

Google AI 產(chǎn)品宣傳委員 Josh Woodward 就演示了全過程：他先把自己的照片轉(zhuǎn)換成復(fù)古游戲風(fēng)格的角色，然后上傳到 Genie，輸入「沙漠場(chǎng)景」和角色描述。

點(diǎn)擊生成后，他就能以牛仔的身份在沙漠里自由探索了。

為了讓控制更精準(zhǔn)，用戶還可以在進(jìn)入前預(yù)覽環(huán)境，并調(diào)整視角。點(diǎn)擊開始后，當(dāng)你按下鍵盤方向鍵（WASD），系統(tǒng)會(huì)實(shí)時(shí)預(yù)測(cè)并生成前方的路徑和場(chǎng)景。

整個(gè)過程就跟玩游戲一樣，有所不同的是，你不僅是觀眾，更是這個(gè)世界的導(dǎo)演。

不過，作為一個(gè)還在開發(fā)中的實(shí)驗(yàn)?zāi)Ｐ?，Project Genie 也有明顯短板，比如每次只能玩 60 秒。在接受的采訪播客中，Google 開發(fā)團(tuán)隊(duì)解釋說，時(shí)間太長(zhǎng)會(huì)導(dǎo)致畫面邏輯崩壞，產(chǎn)生幻覺，而且實(shí)時(shí)生成的計(jì)算成本極高。

▲ https://www.youtube.com/watch?v=Ow0W3WlJxRY&t=1s

因此，為了平衡體驗(yàn)和成本，目前的單次探索被限制在 1 分鐘內(nèi)。

當(dāng)然，如果你玩膩了沙漠，可以隨時(shí)修改指令，瞬間把場(chǎng)景變成賽博城市，而角色的動(dòng)作邏輯依然會(huì)保留。前陣子馬斯克在社交平臺(tái)上放話稱，AI 有可能讓普通人幾分鐘內(nèi)生成《GTA6》。

投資機(jī)構(gòu) VentureTwins 也認(rèn)為，2026 年將是世界模型的爆發(fā)之年。Project Genie 這種「實(shí)時(shí)視頻生成」的技術(shù)路徑，未來可能會(huì)和基于代碼的傳統(tǒng)游戲引擎分庭抗禮。

有了 Project Genie，這些判斷似乎聽起來也不那么遙遠(yuǎn)了。

▲ 圖片來自 @AngryTomtweets https://x.com/AngryTomtweets/status/2016986111927865430

在駕駛直升機(jī)時(shí)，左下角的地圖還會(huì)實(shí)時(shí)更新。

▲ 圖片來自 @fofrAI https://x.com/fofrAI/status/2016936855607136506

網(wǎng)友 @yrzhe_top 試玩后則反饋稱，他在外星球開車「兜風(fēng)」時(shí)發(fā)現(xiàn)，沒有宣傳視頻那么流暢，有些延遲，自定義提示也沒生效，只能用官方預(yù)設(shè)內(nèi)容。

▲ 圖片來自@yrzhe_top

Google 開發(fā)團(tuán)隊(duì)也承認(rèn)，目前 Genie 3 處于早期階段，物理規(guī)律模擬得還不夠準(zhǔn)確，穿模或軌跡怪異的情況常有發(fā)生。不過 @yrzhe_top 也表示，雖然它只做到了承諾的七成，但這七成已經(jīng)足夠讓人驚艷。

▲ 圖片來自 @jen_w1n https://x.com/jen_w1n/status/2016929094517088416

當(dāng)然，如果只是為了做一個(gè)高配版的《我的世界》，Google 顯然不需要?jiǎng)佑媚敲炊噘Y源。Project Genie 的真正野心在于解決 AI 通往 AGI 路上的最大攔路虎，即數(shù)據(jù)枯竭與具身智能瓶頸。

是的，互聯(lián)網(wǎng)上的高質(zhì)量文本數(shù)據(jù)快被吃光了，且機(jī)器人無法通過閱讀百科全書學(xué)會(huì)洗碗，它需要肌肉記憶和物理反饋。

然而，現(xiàn)實(shí)中獲取機(jī)器人失敗數(shù)據(jù)的成本極高，但 Genie 可以作為一個(gè)無限的合成數(shù)據(jù)生成器，模擬出十億個(gè)不同的廚房、倉(cāng)庫(kù)或外星地表，讓機(jī)器人在里面積累「肌肉記憶」，學(xué)會(huì)了再應(yīng)用到現(xiàn)實(shí)中。

類似的還有螞蟻靈波今天開源的 LingBot-VA 模型，它能在生成畫面的同時(shí)推演動(dòng)作序列，讓機(jī)器人像人一樣「邊想邊做」。制作早餐、拾取螺絲、拆快遞、疊衣物、疊褲子的能力都有所長(zhǎng)進(jìn)。

此外，Google 開發(fā)團(tuán)隊(duì)在訪談中還暢想了更具人文關(guān)懷的應(yīng)用場(chǎng)景，例如心理治療與教育。

家長(zhǎng)可以利用 Genie 生成一個(gè)「滿是蜘蛛的房間」，在一個(gè)絕對(duì)安全且可控的虛擬環(huán)境下幫助孩子進(jìn)行脫敏練習(xí)。或者在歷史課上，直接生成一個(gè) 18 世紀(jì)的巴黎街道讓學(xué)生親歷其境。

盡管現(xiàn)在的 Project Genie 還有畫質(zhì)粗糙、時(shí)長(zhǎng)短、延遲高以及無法多人聯(lián)機(jī)等問題，但它確實(shí)推開了那扇通往物理現(xiàn)實(shí)模擬的大門。

回頭看 2024 年那句「世界不存在了」，最后讓它成真的，估計(jì)不是 Sora，而是 Genie。