Google 上線 Project Genie：憑文字或圖片即時生成可探索的虛擬世界

以前我們聊生成式 AI，要麼是讓它吐出一篇文章，要麼是生成一張圖片或十幾秒的影片。但如果 AI 生成的不是一段播完就完事的靜態畫面，而是一個你能按下方向鍵走進去、隨時互動的世界呢？

Google DeepMind 正式推出了實驗性原型產品 Project Genie。這個網頁端工具開始向美國的 Google AI Ultra 訂閱使用者開放，只要年滿 18 歲就能申請體驗。

走一步算一步的「動態物理世界」

去年 8 月，Google 首次預告了通用世界模型 Genie 3。這次的 Project Genie 則是把這個模型打包成了一個可以讓普通人上手的實驗網頁，底層同時接入了 Genie 3、Nano Banana Pro 和 Gemini。

它和以往那些預先渲染好的 3D 模型完全不同。在 Project Genie 裡，世界並不是提前造好等你走進去，而是你每走一步、每做一個動作，Genie 3 都在即時預測並生成前方的路徑與物理反饋。

整個體驗主要分成三塊：構建世界、探索世界，以及二創重混。

在構建階段，你可以用一段文字提示，或者直接上傳生成的圖片作為起點。你可以定義自己的角色，甚至決定探索這個世界的方式，不管是步行、騎行，還是開車和飛行。

有意思的是，Google 把 Nano Banana Pro 整合了進來，專門用來做草圖控制。在你真正跳進世界之前，可以先預覽畫面、微調細節，並且敲定是用第一人稱還是第三人稱視角看世界。

能飛能跑，但一次只能撐 60 秒

進入世界後，你可以一邊移動一邊調整鏡頭角度，系統會根據你的操作即時推演周圍環境。如果你看到別人做出來的有趣世界，也可以直接在現成提示詞上做修改二創，或者在官方畫廊裡隨機挑一個進去逛逛，最後還能把探索過程錄製成影片下載下來。

不過，Google DeepMind 這次也坦白交代了不少限制。作為一個早期的研究原型，它離真正的遊戲引擎還有相當大的距離。

首先是時長限制，目前每次生成的世界探索最多隻能撐 60 秒。時間一到，探索就得告一段落。

其次，生成的畫面並不總能完全還原真實物理規則，畫質和提示詞之間也經常會有偏差。在操作角色時，有時候會出現延遲，或者角色不太聽使喚的情況。

另外，Google 在 8 月展示 Genie 3 時提到過的一項關鍵能力，也就是在探索過程中靠文字即時觸發突發事件並改變世界，在目前的網頁原型裡還沒放出來。

為什麼重要

從生成內容到生成環境，Google 這一步邁得相當堅決。以前不管是影片生成還是 3D 資產建模，輸出的都是靜態素材，創作者想要做成可玩的 Demo，必須倒騰進虛幻或 Unity 引擎。Project Genie 證明了用純神經模型即時生成互動環境是完全可行的，哪怕現在只有 60 秒，它也把遊戲概念驗證的門檻拉到了只要打幾行字的程度。

在行業層面，這不僅是給遊戲開發者看的新玩具，更是 DeepMind 走向通用人工智慧的核心路徑。以前的 AI 智慧體只能在圍棋棋盤或固定規則的模擬器裡訓練，而世界模型要學的是真實世界的物理動態。把這個模型放出來給真實使用者折騰，Google 能收集到大量關於物理互動推演的邊界案例，直接反哺具身智慧和機器人訓練。

我們認為，Google 選擇把 Nano Banana Pro 拼進工作流是個非常聰明的做法。純靠提示詞生成 3D 世界很容易變成開盲盒，加入預覽和角度控制，至少讓創作者進場景前有了心理預期。但 60 秒的時長上限和肉眼可見的控制延遲，也說明這類即時推演模型的算力開銷依然高得嚇人。對普通使用者來說，它現在更像是一個昂貴的科技玩具，暫時還不值得為了它專門去買單一個 Ultra 會員，但世界模型的發展速度，絕對值得所有關注互動媒體的人盯緊。