Google旗下DeepMind发布了大型基础世界模型Genie 2，该模型能够根据图片和文字描述生成可交互的3D场景。用户可以在生成的场景中自由探索，Genie 2 拥有强大的可预测能力，即使生成的部分内容不在视野范围内，也能保持一致性。DeepMind希望将该技术应用于游戏开发，并邀请马斯克共同参与。尽管目前Genie 2 仍处于研究阶段，但其技术有望用于训练和评估具身智能体，并成为人工智能领域的下一个重大突破。此外，其他公司如World Labs 也在进行类似的研究，旨在构建更符合物理世界规律的3D虚拟世界。

🤔 **Genie 2能够根据用户提供的图片和文字描述生成720p清晰度的3D场景，并允许用户在其中自由探索10秒至1分钟。**该模型拥有强大的可预测能力，即使生成的部分内容不在用户视野范围内，系统也能保持该区域内容整体的一致性，这体现了其强大的3D场景生成能力。

🎮 **DeepMind希望将Genie 2应用于游戏开发，并邀请马斯克共同参与。**DeepMind长期关注游戏领域，曾与Atari合作，并开发了AlphaGo和AlphaStar等AI程序，也与游戏开发者合作研究通用智能体。Google旗下的YouTube拥有大量游戏视频数据，DeepMind或利用这些数据训练Genie 2。

💡 **Genie 2目前仍处于研究阶段，被定位为研究与创新工具，主要用于互动体验原型制作及AI智能体评估。**Google研究人员认为，类似Genie 2的大世界模型能够快速创建可人为操控的3D环境，这对于训练和评估具身智能体具有重要意义，能够提供丰富的虚拟训练数据，为具身智能相关研究提供支持。

🌐 **世界模型研究有望成为人工智能领域的下一个重大突破，Google和World Labs等公司都在加大投入。**World Labs也发布了类似的AI系统，能够生成可编辑、有景深效果、可交互的3D虚拟世界，并更加注重复现物理世界规律，展现了该领域蓬勃发展态势。

👨‍💼 **DeepMind在世界模型研究领域积极招揽人才，包括Meta的蒂姆·罗克塔谢尔和OpenAI的蒂姆·布鲁克斯。**这表明DeepMind对世界模型研究的重视和决心，以及对人才的渴求，也侧面反映了该领域竞争的激烈程度。

当地时间12月4日，Google旗下人工智能企业DeepMind发布了大型基础世界模型Genie 2。该模型可以通过用户提供的一张图片和文字描述，生成一个720p清晰度、可交互的3D场景。用户在正常情况下可以使用键盘和鼠标操控，稳定地在其中自由探索10秒至20秒至多1分钟的时间。Genie 2拥有强大的可预测3D场景能力，即使生成的部分内容不在用户视野范围内，系统也能保持该区域内容整体的一致性。

DeepMind表示，游戏一直是Google研究的重心。该公司早期与Atari游戏进行合作，并发布了AlphaGo和AlphaStar等参与游戏竞技的人工智能程序，还与游戏开发者合作，研究通用智能体。同时，Google旗下的YouTube拥有时长达上亿小时的游戏视频数据。Google此前暗示过，其协议允许DeepMind使用YouTube内的视频进行模型训练，但这一行为因可能侵犯相关视频知识产权而引发讨论。截至目前，DeepMind并未过多透露数据来源及训练方法细节。

Genie 2发布后，DeepMind CEO戴密斯·哈萨比斯在社交媒体X上发布信息，邀请马斯克一起制作AI游戏。马斯克今年多次表现出对AI游戏制作的强烈兴趣，曾在10月发表将AI与游戏结合可能性的见解，还于11月底发文称其创立的xAI将成立AI游戏工作室。

尽管DeepMind宣称该模型将被用于游戏开发，但相关技术尚未成熟，并不具备可玩性。目前，Genie 2的官方定位仍然是用于互动体验原型制作及AI智能体评估的“研究与创新工具”。Google研究人员指出，以Genie 2为代表的大世界模型能够根据需求快速创建可人为操控的3D环境，这一技术拥有训练和评估具身智能体的发展前景，能够为具身智能相关研究提供丰富的虚拟训练数据。

世界模型研究有望成为人工智能领域的下一个重大突破，Google在该领域的投入也正在持续加大。两年前，DeepMind就已雇佣了蒂姆·罗克塔谢尔。他此前在Meta工作，因对电子游戏的开放性实验而闻名。去年10月，DeepMind还成功招募了曾负责OpenAI旗下视频生成器Sora开发工作的蒂姆·布鲁克斯，并任命其负责公司的视频生成技术和世界模拟器的研发。

依托人工智能技术进行3D世界模型制作的公司不止Google一家。Genie 2发布的前一天，著名计算机科学家、斯坦福大学人工智能实验室联合主任、斯坦福大学教授李飞飞联合创办的空间智能初创企业World Labs在网络上公布了其研发的首个AI系统技术成果。与Genie 2相同，该软件也能只凭借用户提供的参考图和描述语句就生成可编辑、有景深效果、可交互的3D虚拟世界，且比Genie 2更加注重复现物理世界规律。World Labs将其发布的这项技术称为“迈向空间智能的第一步”。