Project Genie

从本周起，美国地区的 Google AI Ultra 订阅用户（18 岁以上）可试用 Project Genie —— Google DeepMind 推出的实验性研究原型，旨在探索下一代世界模型（World Model）在互动内容生成中的潜力。

该工具由三大核心组件驱动：

• Genie 3：DeepMind 最新的通用世界模型
• Nano Banana Pro：高保真图像生成模型
• Gemini：提供语义理解与指令解析

用户可通过文本提示或上传图像，生成一个可实时探索的 3D 交互环境，并以第一人称或第三人称视角操控角色在其中移动、互动。

什么是世界模型？为何重要？

世界模型是一类能模拟环境内部状态并预测未来动态的 AI 系统。它不仅能“看到”当前画面，还能推演“如果我向左走，会看到什么？”、“如果推倒这个箱子，会发生什么？”

DeepMind 认为，这类模型是通向通用人工智能（AGI）的关键路径。短期来看，其应用场景将从游戏与娱乐起步，逐步扩展至机器人仿真训练、虚拟教育、历史场景重建等领域。

Project Genie 如何工作？

体验围绕三个核心功能展开：

1. 世界草图（World Sketch）
   • 输入文本描述（如“黏土动画风格的棉花糖云端城堡”）
   • 或上传参考图像（如办公室照片）
   • Nano Banana Pro 生成初始画面，支持预览与修改
   • 定义角色视角（第一/第三人称）
2. 世界探索（World Exploration）
   • 进入生成环境，使用 WASD 移动、空格跳跃、方向键环视
   • Genie 3 实时生成前方路径，保持空间一致性
   • 支持摄像机视角调整
3. 世界混音（World Remix）
   • 基于现有提示词创建新变体
   • 浏览精选画廊获取灵感
   • 下载探索过程的视频记录

⚠️ 当前限制：单次会话最多 60 秒。DeepMind 表示，这是因 Genie 3 为自回归模型，需专用芯片资源，延长时长将显著增加成本。

实测表现：艺术风格强，写实感弱

早期用户测试发现：

✅ 优势领域：

• 风格化世界：水彩、动漫、黏土动画等艺术风格表现惊艳
  

  例：用户生成“巧克力酱河流+糖果树”的云端城堡，视觉效果高度契合童年幻想

• 基础交互：角色可行走、跳跃，部分物体对经过有响应（如毛绒玩具触发环境变化）
• 一致性记忆：返回已生成区域时，多数场景能保持结构稳定（仅偶发细节偏差）

❌ 主要局限：

• 写实感不足：照片级真实场景常呈现“电子游戏感”，缺乏物理真实感
• 物理逻辑不稳：角色偶尔穿墙、物体漂浮，碰撞检测不完善
• 控制体验差：非游戏玩家反映按键响应迟滞、移动轨迹混乱
• 图像输入不稳定：上传真实照片后，生成世界常改变布局，且质感“死板、数字化”

安全与版权：护栏已启用

受迪士尼去年 12 月停止函影响（指控 AI 模型训练侵犯 IP），Project Genie 已部署严格内容过滤：

• 无法生成迪士尼角色、美人鱼、冰雪女王等受版权保护内容
• 裸露、暴力等敏感内容被拦截
• 所有生成内容需符合 Google AI 原则

DeepMind 强调：这是一个研究原型，非最终产品，意在收集反馈以改进模型。

行业背景：世界模型竞赛升温

Project Genie 的发布正值全球 AI 公司加速布局世界模型：

• 李飞飞的 World Labs：已推出商业产品 Marble
• Runway：近期发布自家世界模型
• Yann LeCun 创立的 AMI Labs：专注世界模型研发

DeepMind 研究主管 Shlomi Fruchter 表示：“让更多人访问并反馈，是推动技术进步的关键。”

未来方向

团队计划重点改进：

• 提升物理真实性与交互可靠性
• 增加用户控制权（如自定义事件、环境编辑）
• 扩展多模态输入（音频、3D 扫描等）
• 逐步开放至更多国家和地区

“我们不认为 Project Genie 是每天可用的产品，但它展示了某些独特、无法通过其他方式实现的能力。” —— Shlomi Fruchter