AI 热点一个接一个，大家光顾着看热闹，真正的王炸反而容易被错过。

就在今天凌晨，Google DeepMind 推出了打磨已久的新项目：Project Genie。这不单是一个好玩的 AI 工具，更是 Google 通往通用人工智能（AGI）的重要一步：

一个真正的「世界模型」实验原型。

目前，Project Genie 已经向美国地区 18 岁及以上的 Google AI Ultra 订阅用户开放使用。

首先我们要搞清楚一个概念，Project Genie 生成的本质上是一个实时渲染的交互环境。它的技术底座由三部分组成：负责图像控制的 Nano Banana Pro、负责理解语言指令的 Gemini 模型，以及负责物理反馈的 Genie 3。

前两者我们都比较熟悉，无需过多赘述，但 Genie 3 又该怎么理解呢？

简单来说，它的机制和人类做梦的原理很像。

我们在做梦时，大脑会构建一个包含视听触觉的虚拟世界。虽然梦里的逻辑有时会跳跃，但沉浸感很强。Genie 其实就是让计算机学会「做梦」，并且允许用户进入这个梦境进行互动。

此外，与 ChatGPT 这类基于文本统计规律的模型不同，Genie 3 本质上是一个「物理世界模型」。它虽然没学过物理公式，但通过观看几百万次物体运动的视频，自己「学会」了重力、惯性这些物理规则。

体验 Project Genie 的方式也非常简单。

Google AI 产品宣传委员 Josh Woodward 就演示了全过程：他先把自己的照片转换成复古游戏风格的角色，然后上传到 Genie，输入「沙漠场景」和角色描述。

点击生成后，他就能以牛仔的身份在沙漠里自由探索了。

为了让控制更精准，用户还可以在进入前预览环境，并调整视角。点击开始后，当你按下键盘方向键（WASD），系统会实时预测并生成前方的路径和场景。

整个过程就跟玩游戏一样，有所不同的是，你不仅是观众，更是这个世界的导演。

不过，作为一个还在开发中的实验模型，Project Genie 也有明显短板，比如每次只能玩 60 秒。在接受的采访播客中，Google 开发团队解释说，时间太长会导致画面逻辑崩坏，产生幻觉，而且实时生成的计算成本极高。

因此，为了平衡体验和成本，目前的单次探索被限制在 1 分钟内。

当然，如果你玩腻了沙漠，可以随时修改指令，瞬间把场景变成赛博城市，而角色的动作逻辑依然会保留。前阵子马斯克在社交平台上放话称，AI 有可能让普通人几分钟内生成《GTA6》。

投资机构 VentureTwins 也认为，2026 年将是世界模型的爆发之年。Project Genie 这种「实时视频生成」的技术路径，未来可能会和基于代码的传统游戏引擎分庭抗礼。

有了 Project Genie，这些判断似乎听起来也不那么遥远了。

在驾驶直升机时，左下角的地图还会实时更新。

网友 @yrzhe_top 试玩后则反馈称，他在外星球开车「兜风」时发现，没有宣传视频那么流畅，有些延迟，自定义提示也没生效，只能用官方预设内容。

Google 开发团队也承认，目前 Genie 3 处于早期阶段，物理规律模拟得还不够准确，穿模或轨迹怪异的情况常有发生。不过 @yrzhe_top 也表示，虽然它只做到了承诺的七成，但这七成已经足够让人惊艳。

当然，如果只是为了做一个高配版的《我的世界》，Google 显然不需要动用那么多资源。Project Genie 的真正野心在于解决 AI 通往 AGI 路上的最大拦路虎，即数据枯竭与具身智能瓶颈。

是的，互联网上的高质量文本数据快被吃光了，且机器人无法通过阅读百科全书学会洗碗，它需要肌肉记忆和物理反馈。

然而，现实中获取机器人失败数据的成本极高，但 Genie 可以作为一个无限的合成数据生成器，模拟出十亿个不同的厨房、仓库或外星地表，让机器人在里面积累「肌肉记忆」，学会了再应用到现实中。

类似的还有蚂蚁灵波今天开源的 LingBot-VA 模型，它能在生成画面的同时推演动作序列，让机器人像人一样「边想边做」。制作早餐、拾取螺丝、拆快递、叠衣物、叠裤子的能力都有所长进。

此外，Google 开发团队在访谈中还畅想了更具人文关怀的应用场景，例如心理治疗与教育。

家长可以利用 Genie 生成一个「满是蜘蛛的房间」，在一个绝对安全且可控的虚拟环境下帮助孩子进行脱敏练习。或者在历史课上，直接生成一个 18 世纪的巴黎街道让学生亲历其境。

尽管现在的 Project Genie 还有画质粗糙、时长短、延迟高以及无法多人联机等问题，但它确实推开了那扇通往物理现实模拟的大门。

回头看 2024 年那句「世界不存在了」，最后让它成真的，估计不是 Sora，而是 Genie。