在2024年末的科技舞臺上，生成式人工智能領域再度掀起了波瀾。短短數日之內，兩大重量級突破相繼問世，為歲末年初的科技界增添了濃厚的節日氣氛。
先是李飛飛的Worlds Lab發布了令人矚目的新模型，僅憑一張圖片即可生成可互動的3D空間。緊接著，谷歌DeepMind也不甘示弱，推出了其最新一代的大規模基礎世界模型——Genie 2，其表現更是青出于藍而勝于藍。
DeepMind在12月4日正式宣布了Genie 2的誕生。這款模型能夠將一張普通的圖像轉化為一個充滿互動性的3D游戲世界，用戶通過鼠標和鍵盤即可在其中自由探索，持續時間甚至可達一分鐘之久。
Genie 2的開發團隊堅信，這一技術將為具身智能開啟全新的可能性，推動AI生成虛擬世界邁向新的高度。可以預見，未來的游戲開發領域，尤其是開放世界的創作，或將迎來一場前所未有的技術革命。
在DeepMind發布的演示視頻中，可以看到用戶在生成的3D世界中盡情探索。有人滑雪滑到一半突然興起，轉而嘗試跑酷；還有人手搓火球，盡管在碰撞時出現了些許穿模的小插曲。這些生動的場景，無不展示了Genie 2的強大功能。
DeepMind在游戲領域的深厚底蘊，為Genie 2的誕生奠定了堅實的基礎。從早期的雅達利游戲研究，到圍棋AlphaGo和《星際爭霸2》AlphaStar等里程碑式的成就，游戲一直是DeepMind研究的核心。而Genie 2，則是這一傳統精神的最新結晶。
與今年2月發布的第一代Genie相比，Genie 2在功能和性能上都實現了質的飛躍。它不僅能夠生成720p分辨率的高質量3D世界，還支持用戶在第一人稱或第三人稱視角下通過鍵盤和鼠標進行操控。更重要的是，Genie 2還能模擬重力、碰撞、水體運動等基礎物理現象，以及復雜的光照、反射和煙霧效果，甚至能生成可以互動的NPC，讓虛擬世界更加真實可信。
尤為Genie 2還具備出色的空間記憶能力。當用戶在虛擬環境中移動時，即使某些區域暫時不在視野范圍內，系統也能保持這些區域的一致性。這意味著當玩家重新訪問之前的位置時，環境會保持原樣，大大提升了用戶體驗的真實感和可信度。這一突破，無疑解決了早期3D空間生成器的局限性。
在實際應用中，Genie 2展現出了驚人的多樣性和實用性。用戶只需提供一張圖片和一段文字描述，系統就能生成一個可交互的實時場景。這些場景最長可以持續一分鐘，大多數能穩定運行10到20秒，供用戶盡情探索。這一技術，無疑為游戲開發者提供了極大的便利和想象空間。
DeepMind還進行了一系列創新性的測試，將Genie 2與其SIMA AI智能體結合使用。在測試中，SIMA能夠成功在Genie 2生成的房間中導航，并執行“打開藍色的門”、“去有植物的地方”等自然語言指令。這一組合不僅展示了AI系統在數字和物理空間執行復雜任務的潛力，還為未來AI代理的訓練提供了無限可能。
然而，隨著技術的不斷發展，一些爭議和擔憂也隨之而來。由于DeepMind作為谷歌的子公司可以無限制地訪問YouTube視頻數據，這引發了知識產權方面的擔憂。同時，生成的模擬場景與一些3A游戲場景頗為相似，也可能涉及未經授權復制游戲的法律問題。這些問題，都需要在技術繼續發展的同時得到妥善解決。
對于游戲開發者而言，Genie 2既是一個巨大的機遇，也是一個嚴峻的挑戰。它可以幫助開發者快速將概念草圖或照片轉化為具有完整物理和光照系統的3D空間，極大提升原型設計的效率。但同時，隨著游戲公司逐漸擁抱AI以提高生產效率，也可能導致大量員工面臨失業的風險。這一技術進步帶來的就業市場變革，需要整個行業認真思考和應對。
