DeepMind，谷歌旗下的AI研究机构，最近推出了一款名为 Genie 2 的模型，这款工具可以生成“无限”种类的可玩3D世界。https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/
Genie 2 是 DeepMind 在今年早些时候发布的 Genie 模型的升级版。它能够根据单张图像和文本描述（例如“一个可爱的类人机器人在森林中”），实时生成互动场景。类似于 Fei-Fei Li 所属公司 World Labs 和以色列初创企业 Decart 开发的模型，Genie 2 专注于创造独特的虚拟空间。
DeepMind 声称，Genie 2 可以生成“极其丰富多样”的3D世界，用户可以通过鼠标或键盘在这些世界中进行跳跃、游泳等互动操作。该模型经过视频训练，具备模拟物体交互、动画、光影、物理效果、反射以及“NPC”行为的能力。
AAA级游戏画质的秘密？
Genie 2 的许多模拟效果堪比 AAA 游戏。这或许与其训练数据中包含了流行游戏的试玩视频有关。然而，出于竞争或其他原因，DeepMind 并未透露具体的数据来源细节。毕竟，数据采集方法可能涉及知识产权问题。有观点质疑，作为 Google 的子公司，DeepMind 是否利用 YouTube 的使用条款，未经授权地将平台上的视频用作训练数据？这些问题或许最终需要法院来裁定。
“瞬间记忆”的技术突破
Genie 2 可生成各种视角（如第一人称、等距视图）的连续世界，时间最长约1分钟，大多数场景持续10到20秒。与其他类似模型相比，Genie 2 的优势在于能够记住屏幕外的场景，并在需要时准确重现。例如，模型可以区分键盘按键的作用，“知道方向键应该移动机器人，而不是树木或云朵。”
许多世界模型（例如 Decart 的 Minecraft 模拟器 Oasis）常出现低分辨率、布局记忆混乱等问题。而 Genie 2 在模拟一致性和细节上表现更加出色，这让其更适合作为研究和创意工具，而非真正的游戏开发工具。
AI创造新边界，开发者态度复杂
DeepMind 将 Genie 2 定位为一种研究和原型工具，可用于快速生成交互式环境或测试 AI 代理的新任务。“通过 Genie 2 的分布外泛化能力，概念艺术和草图可以转化为完全互动的虚拟世界，”DeepMind 在博客中写道。
不过，这对游戏行业的创作者来说，可能是喜忧参半的消息。在当前的趋势下，许多大公司（如 Activision Blizzard）正利用 AI 技术削减成本、提升效率，而这常常伴随着裁员等争议。
尽管如此，谷歌显然对世界模型研究寄予厚望，并持续加码投入。去年10月，DeepMind 招募了开发 OpenAI 视频生成器 Sora 的负责人 Tim Brooks，专注于视频生成和世界模拟技术的开发。而两年前，DeepMind 从 Meta 挖来了以开放式游戏实验闻名的 Tim Rocktäschel。
无论争议如何，像 Genie 2 这样的工具，正在为虚拟世界的创建打开全新可能性。