Genie 3：讓XR世界從“平替”進化為“貴替”的世界模型

上周，谷歌Deep Mind發(fā)布了新的通用世界模型Genie 3。

它引發(fā)了非常熱烈的討論，其中有包括看好和質(zhì)疑。一部分人認為，它的廣泛應(yīng)用能夠給虛擬世界建設(shè)“解放生產(chǎn)力”，而另一方面則認為這只是谷歌的營銷，實際上并沒有什么真正的用途。

但無論如何，這個能夠?qū)崟r生成虛擬世界的模型，仍然值得XR行業(yè)關(guān)注。

什么是Genie 3 Not only see, but also in...teractive

Genie 3是可在實時交互中生成動態(tài)環(huán)境的通用世界模型。

它能根據(jù)文本提示，生成720p、24fps的可導(dǎo)航場景，并保持幾分鐘內(nèi)的物理與視覺一致性。這意味著，從前需要依賴手工建模、游戲引擎預(yù)構(gòu)建的虛擬世界，如今可以直接由模型實時生成。

用大白話來說，它更3D、更擬真、更細膩。

更3D就是指在Genie生成的視頻中，人是可以跟環(huán)境產(chǎn)生互動的。你可以操作人在視頻里行走，移動的維度也有了前后左右上上下下。而在普通的AI視頻里，只能夠拖進度條。

我們也用谷歌案例的提示詞，在Sora里生成了一段視頻：

而這是Genie 3的同樣提示詞的視頻：

可以看到，Genie 3的視頻是像玩游戲一樣，可以進行移動，甚至走進蘑菇屋里面去。

Genie在擬真方面也有了長足的進步，也就是谷歌官方所說的，幾分鐘內(nèi)的物理與視覺一致性。

比如這段案例，在羅馬風(fēng)格的大理石建筑面前移動，前面的樹會根據(jù)你的移動和現(xiàn)實世界的物理特性，呈現(xiàn)出近大遠小的空間感，并且在你“回頭”的時候，也會出現(xiàn)在真實世界中會出現(xiàn)的位置上。

一些其他視頻很可能會在你回頭時，重新生成一段你從來沒見過的畫面。

這個特性就有點像GPT的上下文記憶，不過Genie 3的“記憶”是視覺和空間狀態(tài)，包括場景里物體的位置、外觀、狀態(tài)，比如門開著還是關(guān)著、涂了什么顏色等等。可以理解為AI更加進化了，已經(jīng)擁有了打造“世界連續(xù)性”的能力。

更細膩，也是Genie體現(xiàn)在“物理”上的能力。比如海浪拍打到水岸，下雨后泥濘的街道和水坑，陽光隨著你的行走而變換角度等等，一切都更加貼近真實世界。

像這段雨林樹葉就非常典型：

除了近大遠小之外，能夠看到上層的葉子更嫩綠（因為是新長出來的），下層的葉子顏色更深。此外，也能感受到葉片的肥厚，正好符合一種雨林感。

此外，Genie 3還支持實時互動，根據(jù)你新增的提示詞即時生成內(nèi)容。

比如在滑雪視頻里生成一個Genie 3滑雪愛好者：

或者一根坐著滑翔傘的香蕉：

可以看到，畫面基本上是沒有太大變動的，整體主世界比較穩(wěn)定，生成的事件也是出現(xiàn)在相對真實的位置。

Genie 3就像本段標(biāo)題所說，不止是AI生成的平面視頻——用來看的，更是能夠“生活”在其中，身臨其境，并與環(huán)境產(chǎn)生交互，也能看到環(huán)境因為你的存在、你視角變化而產(chǎn)生變化。

對XR來說有什么用？

創(chuàng)造一個虛擬世界，本質(zhì)上是現(xiàn)實世界的替代品，在未來也許是從平替向貴替的進化。

為了讓我們更快適應(yīng)虛擬世界，盡可能的擬真是必不可少的追求。因為XR和視頻、圖片最大的不同在于，它是隔著屏幕看，而是讓我們沉浸其中。在這種情況下，如果你背后的物體突然變樣，光影跟你習(xí)慣的反著移動，你的大腦會立刻察覺“這是假的”，沉浸感瞬間崩塌不說，還可能會引發(fā)毛骨悚然的想象（倒是很適合做驚悚類的……）

Genie 3這種高度的世界型AI，也許會極大催生XR世界的內(nèi)容繁榮。

在最初的報道中，就有媒體提到，Genie 3對教育行業(yè)會產(chǎn)生有效幫助。我們都知道那句互聯(lián)網(wǎng)名梗“媽媽啊，人生是曠野”——有些風(fēng)景看過，就是比沒看更印象深刻、更能理解其中深意。

Genie 3 能讓學(xué)生進入一個可交互、可探索的虛擬環(huán)境，比如在生物課里走進細胞世界觀察細胞器的結(jié)構(gòu)；在歷史課里漫步古羅馬廣場，和當(dāng)時的市民擦肩而過；在地理課里穿越不同的氣候帶，觀察環(huán)境與動植物的變化。這種體驗不僅記憶更深，也能讓學(xué)生通過交互獲得更加深刻的“參與感”——而且成本非常低。

在游戲領(lǐng)域，Genie 3 也有想象空間。在Reddit上就有玩家提到，如果足夠靈活，Genie 3可以用來玩D&D。

與劇本殺大家共用一個劇本不同，這種游戲通常由一個DM來擔(dān)任主要劇情敘述，甚至可以說大家進行的游戲世界，完全依賴于DM的口述和想象。當(dāng)然這在線下面對面玩非常有趣，但也不乏有更多人希望能夠“看到”。

接入 Genie 3 后，DM 可以即時輸入提示詞，在世界中創(chuàng)造一扇門、一座城堡，或一條蜿蜒的地道，讓玩家“所說即所見”，把口述想象變成可探索的空間。

在這個基礎(chǔ)上，AIGC也會在游戲里獲得更廣泛的應(yīng)用。比如接入Genie 3的API后，一個單純的房間會變得更有互動感，每個人進入后得到的內(nèi)容也許會不太一樣、更加靈活。

此外，未來，當(dāng)Genie 3與云渲染和AR眼鏡結(jié)合，用戶可能隨時將周圍環(huán)境換成另一種景象，也可能會隨機觸發(fā)一個賽博涂鴉藝術(shù)家的彩蛋——就像漫步在Bristol街頭尋找Banksy一樣，讓虛擬與現(xiàn)實的交織變成一種日常驚喜。

從長遠看，Genie 3 這種具備高擬真、強交互、長時一致性的世界模型，可能會成為 XR 內(nèi)容生態(tài)的“底座技術(shù)”。它不只是讓我們能看見更多虛擬風(fēng)景，而是讓虛擬世界開始像現(xiàn)實一樣擁有秩序、記憶和可預(yù)期性。

一旦這種能力被普及，XR 應(yīng)用的形態(tài)就會從一次性的“項目體驗”，轉(zhuǎn)向持續(xù)演進的“生活空間”。它甚至可能是全球共享的“公共休息室”，也是永遠開放、動態(tài)更新的游戲世界。

到那時，我們可能不再區(qū)分“真實”和“虛擬”，而是習(xí)慣在兩者之間無縫切換——就像今天的我們習(xí)慣在現(xiàn)實和線上社交之間穿梭一樣。