今天除了 OpenAI 開源的 gpt-oss 之外，還有一個(gè)我覺得非常值得一說(shuō)的東西。

就是 Google 發(fā)布的這個(gè)世界模型，Genie 3。

更多谷歌模型介紹：

作為一個(gè)將近 20 年的游戲玩家和近 10 年的 VR 玩家，我看到這個(gè)視頻的時(shí)候，心真的在怦怦跳。

本來(lái) 6 點(diǎn)鐘發(fā)了 gpt-oss 之后，想睡醒了再聊，下午發(fā)。

但是翻來(lái)覆去睡不著，于是翻身起床，決定來(lái)聊聊這玩意。

先看視頻吧。

這不是又一個(gè)簡(jiǎn)單的可以互動(dòng)的 AI 視頻模型，更不是什么 Sora 或者 Veo 的簡(jiǎn)單升級(jí)。

如果你僅僅把它理解為能實(shí)時(shí)互動(dòng)的 Sora，那我覺得，就完全低估了它的革命性了。

Genie 3 是一個(gè)世界模型 (World Model)。

對(duì)我而言，它更像是是一個(gè)創(chuàng)世引擎的雛形。

我們正站在一個(gè)新世界的入口，而 Google，剛剛為我們推開了一絲門縫。

要理解 Genie 3 的顛覆性，我們必須先弄明白一個(gè)概念。

世界模型。

這個(gè)詞聽起來(lái)很玄乎，但我們可以用一個(gè)簡(jiǎn)單的比喻來(lái)理解。

比如說(shuō)過(guò)去的視頻生成模型，Sora，更像是一位電影導(dǎo)演。

他已經(jīng)把整部電影拍完、剪好，加好特效，然后放給你看。畫面很精美，故事很完整，但你是純粹的觀眾，只能被動(dòng)接受，無(wú)法改變?nèi)魏问隆?/p>

而世界模型，則更像一個(gè)即時(shí)計(jì)算的視頻游戲引擎，每一步都根據(jù)當(dāng)前狀態(tài)和用戶操作來(lái)決定下一瞬間的畫面。

這個(gè)游戲引擎，搭起了一個(gè)世界，這個(gè)世界里有物理定律，比如東西往下掉，撞墻會(huì)反彈，有環(huán)境設(shè)定，甚至有 NPC 的行為邏輯。

它搭好舞臺(tái)后，就在那兒等著你的指令。

當(dāng)你按下手柄的按鍵，它會(huì)根據(jù)這個(gè)世界的規(guī)則，實(shí)時(shí)地計(jì)算并渲染出接下來(lái)會(huì)發(fā)生什么。

這就是 Genie 3 和 Sora、Veo3 之類的 AI 視頻產(chǎn)品最本質(zhì)的區(qū)別。

一個(gè)是預(yù)先錄制的電影，另一個(gè)是可實(shí)時(shí)演算的模擬器。

前者是敘事的終點(diǎn)，后者是世界的起點(diǎn)。

Genie 3 的演示里，有一個(gè)直升機(jī)在天空中飛行的場(chǎng)景，之所以讓人震撼，是因?yàn)槊恳淮无D(zhuǎn)彎、每一次海面水波的蕩漾，都是模型對(duì)用戶實(shí)時(shí)輸入的即時(shí)反饋，所有的場(chǎng)景，都穩(wěn)定的始終如一。

要知道，這可不是在播放一段固定的視頻，所有的場(chǎng)景也不是事先建模好的 3D 場(chǎng)景，而是在你按下手柄方向鍵的那一刻，它，為你生成了全世界。

這種能力，我們?cè)谟螒蚶铮话惴Q之為：

創(chuàng)世。

比如這個(gè)這只蜥蜴的世界。

還有這個(gè)山脈漂浮，懸崖倒置，河流在半空中扭曲的世界。

所有的一切，都是跟隨著你的前進(jìn)、你的移動(dòng)、你的跳躍，實(shí)時(shí)生成的。

這畫質(zhì)、這穩(wěn)定性、這一致性、這交互性。

太可怕了。

當(dāng)然，Genie 3 并非橫空出世的奇跡，羅馬也不是一天建成的。

他們之前就做過(guò)很多實(shí)驗(yàn)了。

GameNGen 是一個(gè)來(lái)自 2023 年初 DeepMind（準(zhǔn)確來(lái)說(shuō)是 Google Research）的實(shí)驗(yàn)性項(xiàng)目，全名叫做 Diffusion Models Are Real-Time Game Engines。

當(dāng)時(shí)基于毀滅戰(zhàn)士做了一個(gè)很短的可控視頻實(shí)時(shí)生成，還挺火的。

不過(guò)那時(shí)候還是非常的偏實(shí)現(xiàn)性質(zhì)，太糙了，分辨率也只有可憐的 320p。

接著，他們做出了 Genie1 和 Genie 2。

分辨率提升到了 360p，應(yīng)用范圍也擴(kuò)大到了更通用的 3D 環(huán)境。

但注意看，代價(jià)是什么？交互延遲那一欄寫著“非實(shí)時(shí)”，非常的卡頓。

為了追求更復(fù)雜的環(huán)境，他們犧牲了最重要的實(shí)時(shí)性。

同時(shí)，交互時(shí)長(zhǎng)也只從幾秒提升到了 10-20 秒。

在探索世界模型的同時(shí)，另一條 AI 視頻的路線也在狂飆突進(jìn)，代表作大家肯定都知道了，就是 Veo。

Veo 把分辨率直接干到了 4K 級(jí)別，生成的畫面也極其通用和逼真，可以說(shuō)是現(xiàn)在最牛逼的 AI 視頻模型了。

但它的本質(zhì)，依然是 AI 視頻模型，沒有交互。

它只負(fù)責(zé)把畫質(zhì)和真實(shí)感這條路走到極致。

然后，就是今天，主角 Genie 3 登場(chǎng)了。

它像一個(gè)集大成者，終于解決了前輩們無(wú)法調(diào)和的矛盾。

交互延遲：實(shí)時(shí)，它找回了 GameNGen 最初的夢(mèng)想。

交互時(shí)長(zhǎng)：數(shù)分鐘， 相比 Genie 2 的十幾秒，是數(shù)量級(jí)的飛躍。

控制方式：導(dǎo)航+可提示世界事件，不僅能讓你行動(dòng)，還可以直接用語(yǔ)言創(chuàng)世。

分辨率：720p，一個(gè)非常聰明的選擇，是在保證實(shí)時(shí)性和互動(dòng)時(shí)長(zhǎng)的前提下，找到的最佳畫質(zhì)平衡點(diǎn)。

理解了這段歷史，我們?cè)賮?lái)看“一致性”這個(gè)致命難題，就會(huì)有更深的感觸。

在 Genie3 里面，開頭是一副黑板，上面有圖、有字，你走上前去，細(xì)細(xì)觀摩，然后走到一邊，看向窗外，過(guò)了一分鐘，再回來(lái)，黑板上的內(nèi)容，只字未改，依舊存在。

這個(gè)一致性，這個(gè)記憶能力，太恐怖了。

還有這個(gè)視頻。

他們是可以保證，建筑物左側(cè)的樹木在整個(gè)互動(dòng)過(guò)程中保持一致，即使它們時(shí)而進(jìn)入視野，時(shí)而又離開視野。

太牛逼了。

之前應(yīng)該也就一個(gè)月左右，我體驗(yàn)過(guò)一個(gè)叫 Odyssey 的產(chǎn)品，也是世界模型。

坦誠(chéng)的講，那是一次非常糟糕的體驗(yàn)。

我控制角色往前走了也就十幾秒，整個(gè)畫面就開始崩壞、扭曲。

最嚇人的是，每次當(dāng)我回頭看走過(guò)的路時(shí)，身后的世界完全變了樣，而且是每回頭一次，它就變一次。

那種感覺，就像你走在一個(gè)不斷溶解、不斷重組的恐怖空間里，極度缺乏安全感。

我在一個(gè)世界模型里，走出了恐怖游輪的感覺。

而 Genie 3 最牛逼的地方，恰恰就是在這個(gè)要命的問(wèn)題上取得了突破。

當(dāng)它的穩(wěn)定交互時(shí)長(zhǎng)能從十幾秒躍升到數(shù)分鐘時(shí)，就意味著我們終于可以從 Odyssey 那種回頭即崩的恐怖體驗(yàn)，邁向一個(gè)至少在幾分鐘內(nèi)值得信賴和探索的穩(wěn)定世界。

所以，Genie 3 在我看來(lái)，就像一場(chǎng)我們能部分控制的清明夢(mèng)。

絢爛、多變、充滿驚喜，但目前還像個(gè)隨時(shí)可能醒來(lái)的夢(mèng)。

即便如此，它所展現(xiàn)出的可能性，已經(jīng)給了我前所未有的想象空間。

你甚至可以在這個(gè)夢(mèng)里，就跟創(chuàng)世神一樣，隨意的修改。

這種創(chuàng)世引擎一旦成熟，它對(duì)現(xiàn)有部分行業(yè)的沖擊將是核彈級(jí)的。

我玩了這么多年 VR，其實(shí)一直以來(lái)，最大的痛點(diǎn)就是內(nèi)容匱乏。

我們體驗(yàn)到的依然是一個(gè)個(gè)稀少的、孤立的、精美的 3D 場(chǎng)景，而不是一個(gè)活生生的世界。

未來(lái)，你戴上 VR 頭顯，不再是打開一個(gè) App 列表，而是對(duì)你的 AI 助手說(shuō)一句話：帶我去一個(gè)雨夜的賽博朋克城市，要能聽到遠(yuǎn)處警笛聲，街角要有一個(gè)賣拉面的小攤。

然后，一個(gè)獨(dú)一無(wú)二、可供你實(shí)時(shí)探索的世界，就為你而生了。

VR 將從一個(gè)內(nèi)容消費(fèi)的設(shè)備，變成一個(gè)世界生成的入口，解決了內(nèi)容的問(wèn)題，才有元宇宙真正該有的樣子。

這也才是綠洲，真正的魅力。

對(duì)于游戲行業(yè)來(lái)說(shuō)，也是。

現(xiàn)代 3A 的開發(fā)成本動(dòng)輒數(shù)億美金，其中絕大部分都花在了構(gòu)建龐大而精細(xì)的游戲世界上，這是一個(gè)勞動(dòng)密集型、資本密集型的產(chǎn)業(yè)。

比如說(shuō)未來(lái)的《上古卷軸 6》或者《GTA7》，又或者《博德之門 4》，除了主線劇情，我們?cè)谟螒蜻^(guò)程中，跟一個(gè)有個(gè)人意識(shí)的 NPC 聊天，然后觸發(fā)了一個(gè)全新的支線任務(wù)。

“一個(gè)被巨龍摧毀的村莊的系列任務(wù)，我要在廢墟里尋找幸存者，并找到巨龍的巢穴。”

當(dāng)然，我并不是想表達(dá)，純粹隨機(jī)的故事或游戲能好玩到哪里去。講故事、做游戲，想讓大家覺得好看、好玩是非常難的一件事，規(guī)則的約束至關(guān)重要。

世界模型的可貴之處在于，它能在精妙的人類規(guī)則設(shè)計(jì)下，填充無(wú)窮無(wú)盡、合乎邏輯的動(dòng)態(tài)細(xì)節(jié)。

游戲的延展，被巨幅拓寬，制作人或者設(shè)計(jì)者，完全可以指定這個(gè) AI 世代的隨機(jī)規(guī)則，就像生成《無(wú)人深空》里面的星球一樣，用規(guī)則來(lái)約束世界模型的生成，在保證游戲性和故事性的基礎(chǔ)上，讓玩家的體驗(yàn)，不再首先與人力和想象力，而是把這個(gè)世界的主導(dǎo)權(quán)，交還一部分給玩家。

玩家不再只是玩家，更是關(guān)卡設(shè)計(jì)師、任務(wù)發(fā)布者、甚至是世界觀的共創(chuàng)者。

官方演示里，智能體在 Genie 3 生成的世界里完成任務(wù)，我覺得這已經(jīng)揭示了未來(lái)的冰山一角。

除了 VR、游戲，還有電影。

電影誕生一百多年來(lái)，其實(shí)也一直是線性的、導(dǎo)演中心制的，觀眾只能被動(dòng)地跟隨鏡頭，看一個(gè)被安排好的故事。

直到去年一些互動(dòng)影游火了以后，講故事的方法，稍微開始會(huì)有一些變化了，但，互動(dòng)影游的情節(jié)，本質(zhì)上也是一個(gè)被安排好的故事。

Genie 3，尤其是它的可提示世界事件，更像是一種全新敘事形式的誕生。

未來(lái)的電影，可能也更像一場(chǎng)由你主導(dǎo)的夢(mèng)境。

當(dāng)你看到主角面臨一個(gè)抉擇時(shí)，你可以暫停，然后用語(yǔ)言導(dǎo)演接下來(lái)的劇情。

“讓天開始下雪，讓他們?cè)谘┲袚肀А！被蛘撸白尫磁傻碾娫捦蝗豁懫穑驍嗨麄兊膶?duì)峙。”

你不再是觀眾，而是擁有部分神之權(quán)限的參與者。

這比《黑鏡：潘達(dá)斯奈基》那種選擇分支的互動(dòng)劇要走得遠(yuǎn)得多。

它不是在 A 和 B 之間做選擇，而是在一個(gè)擁有無(wú)限可能性的空間里，進(jìn)行自由創(chuàng)作。

電影和游戲的邊界，將在這里徹底消融。

我一想到那樣的未來(lái)，我就心潮澎湃。

當(dāng)然，我們也必須清醒地看到 Genie 3 當(dāng)下的局限性。

只能維持幾分鐘的互動(dòng)時(shí)長(zhǎng)、無(wú)法精確模擬真實(shí)世界、文本渲染能力差……

以及，現(xiàn)在還沒有對(duì)公眾開放，真正產(chǎn)品上線的時(shí)候，效果不知道會(huì)不會(huì)打折。

它就像一百多年前盧米埃爾兄弟在咖啡館里放映的第一部電影《火車進(jìn)站》，粗糙、黑白、無(wú)聲，甚至可能讓當(dāng)時(shí)的人感到恐慌。

但這不重要。

重要的是，它證明了一件事：路，是通的。

過(guò)去，我們通過(guò)文字和口述來(lái)傳承神話。

后來(lái)，我們通過(guò)繪畫和電影來(lái)描繪神話。

而今天，我們即將獲得親手創(chuàng)造神話的能力。

那問(wèn)題來(lái)了。

“你，究竟想要一個(gè)什么樣的世界呢？”

謝謝你看我的文章，我們，下次再見。