谷歌Genie 4震撼发布：一句话构建虚拟世界，键盘操控畅游其中

徽声在线10月28日讯（记者 李明）谷歌公司近日正式推出了其最新版本的人工智能世界模型——Genie 4，这一创新技术能够实时生成高度逼真的虚拟环境，进一步推动了这项曾让游戏行业感到不安的前沿科技发展。

据谷歌DeepMind团队在官方网站上的介绍，Genie 4允许用户通过简单的文字描述，即可创建出可供自由探索的虚拟世界，并且用户可以使用键盘进行操控，在虚拟环境中畅游。

不仅如此，Genie 4还赋予了用户更多的交互性。在虚拟场景展开的过程中，用户可以随时输入指令，实时改变天气状况、添加新角色或者调整其他环境元素。谷歌方面透露，模拟环境的运行时间最长可达两分钟，这一时长约为上一代Genie 3的两倍。

值得一提的是，Genie 4是该系列中首款能够同步生成声音和画面的产品。它不仅能够模拟出逼真的环境声音和音乐，还能根据用户的行为生成相应的对话反应，使得虚拟世界更加生动和真实。

目前，谷歌正以研究预览的形式，向一小批经过严格筛选的受信任测试者开放Genie 4的使用权限。

据透露，未来几周内，谷歌计划将这一技术向付费订阅最高档Google AI Ultra套餐的用户开放，同时，部分使用应用开发工具Google AI Studio和Gemini API的开发者也将获得访问权限。

世界模型作为一种能够即时生成交互式环境的AI技术，其意义远不止于生成视频那么简单。它代表着AI技术在虚拟世界构建方面的巨大潜力。

今年年初，谷歌曾推出由Genie 3模型驱动的原型产品Project Genie，当时就引起了华尔街的广泛关注。游戏股因此大幅下跌，投资者开始重新评估AI工具对游戏制作方式的潜在颠覆性影响。

尽管谷歌在AI前沿领域面临着来自OpenAI和Anthropic等强劲对手的激烈竞争，但其最近发布的Gemini 4 Argon模型被业界认为有助于缩小与竞争对手之间的差距。

世界模型和多模态能力——即AI除了处理文字外，还能处理图像、音频和视频的能力——一直是谷歌的技术强项。Genie 4的推出，无疑进一步巩固了谷歌在这一领域的领先地位。

新模型依靠Gemini来维持虚拟世界的连贯性。谷歌在博客文章中详细解释了这一过程：当Genie 4生成场景时，Gemini会持续观察不断传入的画面，理解用户的目标，并将其拆解为一系列具体的步骤，然后逐一核查每一步是否已经完成。

公司还透露，虽然团队曾尝试使用Argon模型，但实际的实时体验最终由Gemini 3.8 Flash驱动。后者是谷歌承担日常任务的较轻量级主力模型，能够确保更流畅的用户体验。

谷歌表示，包括游戏开发者和电影制作人在内的受信任测试者，正在积极尝试使用Genie 4将他们的创意转化为可供探索的原型，以及勾勒出更加丰富的场景。

此外，公司还在研究Genie 4能否用于训练机器人，尽管目前尚不清楚这些用途能否得到广泛采用，但这一探索无疑为AI技术的未来发展开辟了新的可能性。

在新闻发布会上，当被问及这项技术对游戏行业的影响时，DeepMind产品经理Diego Rivas表示，公司正与合作伙伴共同深入了解这项技术如何融入他们的工作流程，以及它存在哪些局限。

Rivas强调：“我们的目标是拓展当下能够实现的事情。”同时，谷歌也坦诚地表示，该模型仍处于实验阶段，随着模拟运行时间的延长，画面细节和物体可能会逐渐发生变化。

DeepMind研究工程师Hang Qi进一步解释说，即便模型能够运行至两分钟的上限，也不意味着场景在整个过程中都能保持完全一致。复杂的物理交互、清晰可读的文字以及长时间保持一致性，仍然是亟待完善的挑战。

DeepMind研究总监Tejas Kulkarni则指出，要让虚拟世界完全保持一致，即使仅仅维持两分钟，也需要模型真正理解日常世界的物理规律。

“两分钟能做到的事情终究有限。”Rivas总结道，“我们仍处于研究探索阶段，还没有真正进入最终产品的开发阶段。”

为了保障内容的真实性和可追溯性，谷歌表示，Genie 4生成的所有音频和视频都将带有SynthID，这是谷歌用于识别AI生成内容的隐形水印技术。

（徽声在线 李明）