Alphabet周二宣布推出新一代人工智能世界模型Genie4，能够根据文字指令
智通财经APP获悉，谷歌母公司Alphabet(GOOGL.US,GOOG.US)周二宣布推出新一代人工智能世界模型Genie 4，能够根据文字指令实时生成更加逼真的交互式虚拟环境，并允许用户在探索过程中动态修改场景。这项技术的最新进展再次引发市场对AI可能改变电子游戏开发模式的关注。今年早些时候，谷歌首次展示相关技术时，曾导致多家游戏公司股价大幅下跌。
据悉，Genie 4由谷歌旗下人工智能研究部门Google DeepMind开发。用户只需输入文字提示，即可创建可供自由探索的虚拟世界，并通过键盘控制在其中移动。与传统AI视频生成工具不同，Genie 4不仅能够生成画面，还能根据用户操作实时调整虚拟环境，使其具备更强的交互性。
此外，用户还可以在虚拟世界运行过程中，通过输入新的文字指令改变场景，例如调整天气状况或添加新角色，而无需重新生成整个环境。与上一代Genie 3相比，Genie 4在模拟时长和多模态生成能力方面均有所提升。
(资料图片)
谷歌表示，Genie 4生成的交互式虚拟环境最长可持续运行两分钟，约为Genie 3的两倍。同时，Genie 4也是该系列首个能够同步生成图像和声音的模型，支持环境音效、音乐以及能够响应用户操作的角色对话。
目前，谷歌正以研究预览版的形式向少量受信任的测试人员开放Genie 4。未来几周，公司计划进一步向订阅最高级别Google AI Ultra付费计划的用户，以及部分使用Google AI Studio和Gemini API开发应用程序的开发者提供该模型。
“世界模型”(World Model)是指能够模拟环境及其动态变化的人工智能系统。与传统文本生成视频模型主要输出预先生成的视频内容不同，世界模型可以根据用户的实时操作持续生成和调整虚拟场景。这一技术被认为有望应用于电子游戏开发、影视制作、虚拟环境设计以及机器人训练等领域。
今年1月，谷歌首次推出由Genie 3驱动的Project Genie原型产品时，便引发华尔街对电子游戏行业前景的担忧。由于投资者担心AI生成式虚拟世界技术可能颠覆传统游戏开发流程，多家游戏相关企业股价当时出现大幅下跌。
随着Genie 4进一步提升实时交互和多模态生成能力，市场对AI技术可能改变游戏内容生产方式的关注也随之升温。
在人工智能领域，谷歌正面临OpenAI和Anthropic等竞争对手的激烈挑战。不过，随着近期推出Gemini 4 Argon模型，市场认为谷歌正在缩小与竞争对手之间的技术差距。
与此同时，世界模型和多模态AI长期以来被视为谷歌的重要技术优势。多模态技术使人工智能能够同时处理文本、图像、音频和视频等不同类型的信息，而世界模型则进一步将这些能力应用于动态环境模拟。
值得注意的是，Genie 4还借助Gemini模型提升虚拟世界的连贯性和交互表现。谷歌在官方博客中介绍，当Genie 4生成虚拟场景时，Gemini会持续观察新生成的画面，理解用户希望完成的目标，并将其拆解为一系列具体步骤，随后检查相关操作是否已经实现。
这一机制有助于模型更准确地理解用户意图，并在动态生成的虚拟环境中维持一定程度的逻辑连贯性。谷歌表示，研发团队曾尝试使用Gemini 4 Argon模型，但目前Genie 4的实时交互体验主要由计算效率更高的Gemini 3.8 Flash模型提供支持。
在实际应用方面，谷歌已邀请包括游戏开发者和电影制作人在内的测试人员体验Genie 4，探索如何将初步创意快速转化为可交互的虚拟原型，以及利用AI生成场景草图辅助内容创作。
此外，谷歌也在研究世界模型能否用于机器人训练。通过模拟不同环境及物理场景，相关技术未来可能帮助机器人在虚拟世界中学习和测试行为。
不过，谷歌强调，目前尚不确定这些潜在应用能否获得广泛采用。针对Genie 4可能对电子游戏行业造成的影响，Google DeepMind产品经理Diego Rivas在新闻简报会上表示，公司正与合作伙伴共同研究这项技术如何融入现有工作流程，以及其实际能力边界。
Rivas指出，谷歌希望通过世界模型技术进一步拓展现有工具所能实现的功能，而非简单取代传统内容创作方式。尽管Genie 4取得了明显进展，谷歌也承认，该模型仍处于实验阶段，距离成熟的商业化产品尚有一定距离。
目前，随着虚拟场景运行时间延长，模型生成的视觉细节和物体仍可能发生变化，影响环境的一致性。
Google DeepMind研究工程师Hang Qi表示，即使Genie 4能够支持最长两分钟的模拟，也不意味着整个场景在此期间始终保持完全一致。此外，复杂物理交互、清晰可读的文字生成，以及长时间维持虚拟世界稳定性等方面，仍有待进一步改进。
DeepMind研究主管Tejas Kulkarni指出，即使只是让虚拟世界在两分钟内保持完全一致，也需要模型真正理解现实世界中的物理规律。
Rivas同样表示，两分钟的模拟时长仍然存在明显限制，Genie 4目前更多处于技术研究和探索阶段，而非最终产品开发阶段。
在AI生成内容的识别与安全方面，谷歌表示，Genie 4生成的所有音频和视频都将嵌入SynthID隐形数字水印，以帮助识别AI生成内容。
整体而言，Genie 4的推出标志着谷歌在实时交互式AI世界模型领域取得新的进展。尽管目前仍受到模拟时长、物理一致性及生成质量等技术限制，其展示的能力已引发市场对游戏开发、影视制作及机器人训练等行业未来发展方向的关注。
随着谷歌逐步扩大Genie 4的测试范围，市场将进一步关注世界模型技术能否从实验性工具发展为具有实际商业价值的产品，以及其是否会对传统游戏开发和数字内容生产模式带来更深远的影响。
