CBS著名欄目《60Minutes》深入報道了谷歌DeepMind人工智能研究實驗室的最新突破，重點聚焦其全新AI模型——Genie2。據AIbase瞭解，Genie2能夠從單一圖像或簡單文本描述生成高度逼真的3D交互式環境，爲機器人訓練、虛擬世界構建及通用人工智能（AGI）發展開闢了新路徑。社交平臺上的熱烈討論凸顯了其技術革新性，相關細節已通過DeepMind官網(deepmind.google)與Hugging Face公開。

元宇宙 科幻 賽博朋克 繪畫 (1)大模型

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

核心功能:從單一輸入到交互式3D世界

Genie2以其端到端的3D環境生成能力，標誌着AI世界模型的重大進步。AIbase梳理了其主要亮點:  

單一輸入生成:通過一張靜態圖像（如瀑布照片）或文本提示(如“雪地中的戰士”)，生成可探索的3D交互環境，無需人工設計。  

高度逼真交互:支持物理模擬（如重力、水流、煙霧）、動態光影與角色動畫，用戶或AI代理可通過鍵盤/鼠標進行跳躍、游泳等操作。  

環境一致性:具備長時記憶功能，可記住未顯示的場景部分（如轉角後的地形），生成時長達10-60秒，多數示例爲10-20秒。  

多視角支持:提供第一人稱、第三人稱與等距視角，適配遊戲、虛擬現實（VR）與機器人訓練場景。  

自我學習優化:通過用戶反饋與交互數據，AI可迭代改進生成環境，提升物理真實性與視覺質量。

AIbase注意到，節目演示中，Genie2將一張加州瀑布照片轉化爲第一人稱視角的交互世界，生成的水池、霧氣與遠景地形高度逼真，展現了其從2D到3D的自動化建模能力。

技術架構:視頻驅動與自迴歸建模

Genie2基於DeepMind的Gemini架構與大規模視頻數據集，結合先進的生成技術。AIbase分析，其核心技術包括:  

時空視頻分詞器:將視頻分解爲空間與時間元素，捕捉細節以生成逼真渲染，參考了Genie（11B參數）的架構。  

自迴歸動態模型:逐幀生成視頻，根據用戶操作與先前幀預測後續場景，確保環境連貫性。  

潛在動作模型:通過無監督學習從視頻中提取可控動作（如移動機器人而非樹木），支持交互性。  

大規模視頻訓練:利用未標註的互聯網視頻數據集，訓練模型理解物理、材質與光影，生成多樣化3D世界。  

SIMA代理集成:與DeepMind的SIMA AI代理結合，代理可執行自然語言指令（如“開門”或“導航地形”），增強環境交互。

AIbase認爲，Genie2的端到端建模與自學習能力使其超越傳統遊戲引擎（如Unity），爲AI驅動的動態世界生成樹立了新標杆，其與SIMA的協同進一步推動了機器人訓練的智能化。

應用場景:從遊戲原型到機器人訓練

Genie2的多樣化功能使其在多個前沿領域展現出廣闊前景。AIbase總結了其主要應用:  

遊戲開發:快速將概念藝術或草圖轉化爲可玩3D環境，縮短原型設計時間，適合獨立開發者與AAA遊戲工作室。  

虛擬現實與數字藝術:生成沉浸式VR場景或交互式藝術作品，適配Oculus或數字展覽，提升用戶體驗。  

機器人訓練:爲AI代理提供多樣化3D訓練環境，模擬現實場景（如工廠、城市），加速機器人導航與操作能力的開發。  

教育與模擬:生成歷史場景（如古埃及城市）或科學模擬(如行星地貌)，增強教學互動性與研究可行性。  

城市規劃與建築:將草圖或照片轉化爲3D建築模型，支持實時交互與設計迭代，優化規劃流程。

社區案例顯示，一位開發者利用Genie2將“古羅馬競技場”草圖轉化爲可探索的3D環境，生成的場景包含動態光影與物理交互，原型製作時間縮短至數分鐘。AIbase觀察到，Genie2與Gen-4References的圖像混合技術結合，或進一步擴展至動態內容創作。

上手指南:研究工具與未來開放性

AIbase瞭解到，Genie2目前定位爲研究與原型工具，暫未向公衆開放，需通過DeepMind或Hugging Face的測試通道申請訪問。開發者可參考以下步驟準備體驗:  

訪問DeepMind官網（deepmind.google）或Hugging Face(huggingface.co/deepmind)，申請Genie2測試權限;  

訪問 DeepMind 官網（deepmind.google）或 Hugging Face(huggingface.co/deepmind)，申請 Genie2測試權限;

準備輸入數據（如圖像或文本提示），推薦高分辨率照片以優化生成質量;  

配置運行環境，推薦A100GPU或高性能集羣（50GB VRAM）以支持實時生成;  

使用鍵盤/鼠標測試交互功能，或集成SIMA代理執行任務（如導航或物體操作）;  

提供反饋至DeepMind社區，助力模型迭代與潛在開源。

社區建議爲複雜場景提供詳細提示（如“包含水流與霧氣的森林”），並測試短時生成(10-20秒)以降低硬件需求。AIbase提醒，Genie2的60秒一致性限制可能影響長時交互，建議關注DeepMind更新以獲取優化版本。

社區反響與改進方向

Genie2亮相《60Minutes》後，社區對其3D交互生成與機器人訓練潛力給予高度評價。開發者稱其“將靜態圖像轉化爲動態世界的過程令人歎爲觀止”，認爲其在遊戲與VR領域具有顛覆性潛力。 然而，部分用戶指出生成時長（10-60秒）與圖像質量衰減問題限制了商業化應用，建議延長一致性時間。社區還期待開源代碼與更低的硬件門檻。DeepMind迴應稱，Genie2將持續優化一致性與渲染效率，未來可能與Gemini Robotics整合以增強機器人交互。AIbase預測，Genie2可能推出雲端API服務，類似Perplexity的SaaS模式，降低使用成本。

未來展望:通向AGI的基石

Genie2的發佈彰顯了DeepMind在世界模型與AGI研究中的領先地位。AIbase認爲，其從單一輸入生成交互式3D環境的能力，不僅解決了AI訓練環境匱乏的瓶頸，還爲機器人與虛擬現實的現實應用奠定了基礎。 社區已在探討將其與Simular AI或Qwen-Agent整合，構建從環境生成到任務自動化的閉環生態。長期看，Genie2可能演變爲“3D世界平臺”，提供共享環境模板與API，類似Hugging Face的模型生態。AIbase期待2025年Genie2在一致性優化、開源計劃與多模態交互上的突破。