骑着巨龙飞进AI世界,谷歌Genie 4有点意思

想象一下，你骑在一条巨龙背上，穿过群山，飞向远处的城堡。

风从耳边呼啸而过，其他骑士驾着巨龙从身旁掠过。你看到的画面，会随着前进的方向不断变化。

10月27日，Google DeepMind 正式发布新一代世界模型 Genie 4，展示了一种很有意思的AI能力：不仅能生成场景，还能让人实时探索，让环境随着操作继续变化。

Google这次放出的演示，值得认真看看。

01｜骑着巨龙，进入AI生成的世界

第一人称骑龙飞行

画面中，玩家以骑士的视角骑在黑色巨龙背上，穿行在群山与城堡之间。

镜头随着飞行方向移动，巨龙的翅膀不断扇动，周围的景色也在持续变化。

看起来像一款制作精良的游戏，但区别在于：这里没有一张需要提前建好的完整游戏地图。

根据Google的介绍，Genie 4可以根据用户的操作，实时生成接下来的画面。

用户可以通过键盘控制移动和镜头，还能输入文字指令，改变天气、加入新角色，或者让环境里发生新的事情。

过去用AI生成视频，我们通常是输入提示词，然后等待一段已经确定内容的视频。

而Genie 4展示的是另一种体验：画面不是生成完就结束了，你还可以继续参与其中。

02｜如果整个世界都是彩色玻璃？

除了模拟真实世界，Genie 4还能生成一些现实中根本不存在的场景。

比如这个全部由彩色玻璃组成的世界。

河流是半透明的蓝色玻璃，花草、树木、远处的山峰，甚至天空和太阳，都像是用彩色玻璃拼接出来的。

更特别的是，这并不是一张只能从固定角度欣赏的图片。

镜头可以在场景中移动，继续观察不同位置的景物。

这段演示让我想到，过去我们用AI创作一幅幻想场景，最终得到的通常是一张图片，或者一段几秒钟的动画。

但现在，模型开始尝试让整个场景保持统一的视觉风格，同时允许用户从不同角度探索。

这也让AI生成内容有了更多可能。

比如，设计师可以先走进自己构思的空间，调整视觉效果；游戏创作者也可以先生成一个可以探索的场景，看看想法是否成立。

03｜画面能探索，声音也跟着出现了

Genie 4还有一个值得注意的变化：它能够原生生成声音。

看看这段湖面上的音乐演奏。

湖面音乐演奏

一位演奏者站在湖中央的平台上，周围是水面、树木和远处的雾气。

镜头可以离开人物，向湖面和周围环境移动，而不必始终跟着演奏者。

在这样的场景里，模型不仅需要生成眼前的画面，还要考虑环境和人物之间的关系，让镜头移动时尽量保持连贯。

与此同时，Genie 4还可以生成乐器声、风声、水声等环境音。

Google也展示了另一项能力：让场景中的人物根据用户输入进行实时对话，而不只是播放提前生成好的台词。

这意味着，世界模型正在尝试把画面、声音、人物动作和用户操作放在同一个生成过程中。

一个能看的场景，开始变成一个能够探索、能够听见，甚至能够与人物互动的环境。

04｜不只是好玩，世界模型还能做什么？

看到这里，大家最容易想到的应用可能是游戏、虚拟场景和互动影像。

但Google还在探索更进一步的用途。

例如，让AI智能体在生成的环境中完成任务，或者让机器人先在模拟世界里尝试操作。

在官方展示的研究案例中，Genie 4与Gemini模型配合，模拟人形机器人分步骤完成跳棋任务。

其中，Gemini负责理解目标、规划步骤并检查进展，Genie 4则根据这些步骤继续生成模拟环境。

这样的技术未来可能帮助开发者更快地制作互动内容，也可能为AI和机器人提供更多任务训练场景。

不过，目前这些仍是研究探索，不能直接等同于已经可以替代真实环境或成熟的游戏开发流程。

当然Genie 4也还有不少限制。

Google明确提到，当前连续交互主要只能维持几分钟。随着运行时间变长，物体细节和场景一致性仍可能出现变化；复杂物理交互、空间准确性和实时声音，也有继续改进的空间。

而且，Genie 4目前只是向少量受信任的测试者开放研究预览，尚未面向所有用户使用。Google计划后续通过Project Genie等渠道逐步扩大开放范围。

从生成一段视频，到生成一个可以探索的世界

从AI生图到AI视频，这两年我们已经见过越来越多惊艳的生成画面。

但Genie 4带来的变化，并不只是画面又变得更逼真了一点。

它开始让人能够进入生成的场景，自己决定往哪里走、看向哪里，以及接下来想让什么发生。

不过距离一个真正稳定、可以长时间探索的虚拟世界，我们还有很长的路要走。

但这次的演示，至少让我们看到了另一种可能：

未来用AI创作的，也许不再只是一张图片、一段视频，而是一个可以亲自走进去探索的世界。