DeepMind开放Project Genie测试，世界模型技术比李飞飞更强？

Google DeepMind 旗下的「Project Genie」终于正式向公众开放体验。从本周四开始，美国地区的 Google AI Ultra 订阅用户便可以抢先试用这项创新功能——你只需输入一句简短描述，或上传一张图片，系统就能在短短几秒内生成一个可供自由探索、实时交互的3D游戏世界。

这项技术背后整合了 Google 最新发布的 Genie 3 世界模型、Nano Banana Pro 图像生成模型，以及 Gemini 智能系统。DeepMind 此次开放测试的目标非常明确：通过收集真实用户的使用反馈与高质量训练数据，持续优化世界模型，加速迭代进程。

先来解读一下「世界模型」这个核心概念——它指的是能够对物理或虚拟环境建立内部表征的AI系统，具备预测未来状态、规划智能行为的能力。DeepMind 选择从电子游戏这类轻量级娱乐场景切入，未来将逐步向高保真模拟环境扩展，用于机器人感知与决策训练，最终服务于通用人工智能（AGI）的长期发展目标。

目前，全球范围内世界模型领域的竞争已经进入白热化阶段。李飞飞创立的 World Labs 于去年底发布了首款商用产品 Marble；AI 视频生成公司 Runway 近期也公开了其自研的世界模型；Meta 前首席科学家杨立昆联合创办的 AMI Labs，同样将这一方向定位为战略级核心技术。各路玩家正在加速布局，抢占技术高地。

不过，DeepMind 团队也坦诚地指出：Project Genie 目前仍处于早期实验阶段。系统表现存在较大波动——有时能生成逻辑严密、细节丰富的沉浸式世界，有时却会跑出一些令人费解的异常结果。具体的操作流程如下：用户先用文字描述基础环境和主角特征，完成所谓的「世界素描（World sketch）」；接着 Nano Banana Pro 会根据描述生成初始图像，Genie 再以此为起点构建完整的互动世界。实测显示，局部修改功能基本可用，但偶尔偏差较为明显——比如你明确要求「绿色头发」，它却输出一个紫色发色。

用户也可以上传真实照片作为生成基底，但效果因图而异，完全取决于运气。一旦图像通过审核，Project Genie 只需几秒就能输出一个可实时探索的三维世界。不过，受限于高昂的算力开销，目前每轮体验严格限定为60秒。项目负责人弗鲁赫特解释，Genie 3 属于自回归模型，推理过程对计算资源消耗极大，限时机制旨在让更多用户有机会公平参与体验。

在安全层面，系统已部署多重内容过滤与合规审查机制，明确禁止生成裸露内容，以及受版权保护的IP元素（如迪士尼角色）。与此同时，交互自然度也是当前重点攻坚的方向——测试中曾出现角色穿墙、碰撞检测失效等问题，WASD导航键的响应有时也会延迟或方向错位。弗鲁赫特强调，这还只是一个初步原型，团队后续将持续提升画面的写实性、物理一致性以及人机交互的流畅度。