图灵汇官网

科技前沿：谷歌发布Genie 2，推动虚拟世界生成技术

《科创板日报》12月5日讯（编辑 宋子乔） 近期，随着“AI教母”李飞飞和谷歌DeepMind的相继动作，大模型的热度持续升温，大世界模型再次成为关注焦点。

继李飞飞的企业World Labs展示了利用单张图片生成3D世界的创新技术之后，谷歌DeepMind于12月4日发布了其大型基础世界模型Genie 2。该模型能够通过单张图片或文字描述生成逼真的3D场景。

Genie 2的核心功能

Genie 2具备多项引人注目的功能，具体包括：

1. 生成可交互3D场景：谷歌介绍称，用户只需提供一张图片和文字描述，Genie 2便能生成一个可交互的3D场景，并以高清画质呈现。用户可以通过鼠标和键盘控制，自由探索长达1分钟，大多数情况下可以稳定运行10到20秒。

2. 空间记忆能力：Genie 2生成的内容能够在用户移动时保持虚拟环境的一致性。即使某些区域暂时不在视野范围内，系统也能保持这些区域的稳定性。World Labs同样具备这一功能，即使视线离开再返回，生成的3D场景也不会改变。

3. 扩图能力：Genie 2能够实时创造出符合逻辑的新场景内容，并在长达一分钟的时间内保持整个世界的连贯性。这表明Genie 2具备强大的预测3D场景的能力。World Labs也能够利用部分图片生成完整的3D场景。

技术对比

尽管两个AI工具的功能相似，但在核心技术方面存在差异。据机器之心报道，普林斯顿AI创新中心的王梦迪教授指出，李飞飞的World Labs在生成3D环境时更注重物理世界的理解。它从图片出发，估算图片中不同景物的深度和相对关系，从而生成更为真实的3D环境，而不仅仅是可互动视频。

另一个细微的区别在于应用领域。World Labs主要应用于影视制作，而谷歌则侧重于游戏开发。Genie 2发布后，DeepMind CEO Demis Hassabis邀请马斯克共同制作AI游戏，马斯克回应表示赞同。此外，作为YouTube的母公司，谷歌还拥有海量的游戏视频数据资源。

未来展望

Genie 2为代表的大世界模型能够快速创建多样化的、可操控的3D环境，这些环境可用于训练和评估具身智能体，为相关研究提供丰富的虚拟训练数据。谷歌的研究人员Jack Parker-Holder展示了几个实例，证明了Genie 2在处理复杂场景时的强大能力。

这些技术的发展预示着未来AI在游戏和虚拟现实领域的广泛应用前景。