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

就是 Google 發布的這個世界模型，Genie 3。

更多谷歌模型介紹：

作為一個將近 20 年的游戲玩家和近 10 年的 VR 玩家，我看到這個視頻的時候，心真的在怦怦跳。

本來 6 點鐘發了 gpt-oss 之后，想睡醒了再聊，下午發。

但是翻來覆去睡不著，于是翻身起床，決定來聊聊這玩意。

先看視頻吧。

這不是又一個簡單的可以互動的 AI 視頻模型，更不是什么 Sora 或者 Veo 的簡單升級。

如果你僅僅把它理解為能實時互動的 Sora，那我覺得，就完全低估了它的革命性了。

Genie 3 是一個世界模型 (World Model)。

對我而言，它更像是是一個創世引擎的雛形。

我們正站在一個新世界的入口，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概念。

世界模型。

這個詞聽起來很玄乎，但我們可以用一個簡單的比喻來理解。

比如說過去的視頻生成模型，Sora，更像是一位電影導演。

他已經把整部電影拍完、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，只能被動接受，無法改變任何事。

而世界模型，則更像一個即時計算的視頻游戲引擎，每一步都根據當前狀態和用戶操作來決定下一瞬間的畫面。

這個游戲引擎，搭起了一個世界，這個世界里有物理定律，比如東西往下掉，撞墻會反彈，有環境設定，甚至有 NPC 的行為邏輯。

它搭好舞臺后，就在那兒等著你的指令。

當你按下手柄的按鍵，它會根據這個世界的規則，實時地計算并渲染出接下來會發生什么。

這就是 Genie 3 和 Sora、Veo3 之類的 AI 視頻產品最本質的區別。

一個是預先錄制的電影，另一個是可實時演算的模擬器。

前者是敘事的終點，后者是世界的起點。

Genie 3 的演示里，有一個直升機在天空中飛行的場景，之所以讓人震撼，是因為每一次轉彎、每一次海面水波的蕩漾，都是模型對用戶實時輸入的即時反饋，所有的場景，都穩定的始終如一。

要知道，這可不是在播放一段固定的視頻，所有的場景也不是事先建模好的 3D 場景，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，我們在游戲里，一般稱之為：

創世。

比如這個這只蜥蜴的世界。

還有這個山脈漂浮，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、你的移動、你的跳躍，實時生成的。

這畫質、這穩定性、這一致性、這交互性。

太可怕了。

當然，Genie 3 并非橫空出世的奇跡，羅馬也不是一天建成的。

他們之前就做過很多實驗了。

GameNGen 是一個來自 2023 年初 DeepMind（準確來說是 Google Research）的實驗性項目，全名叫做 Diffusion Models Are Real-Time Game Engines。

當時基于毀滅戰士做了一個很短的可控視頻實時生成，還挺火的。

不過那時候還是非常的偏實現性質，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，應用范圍也擴大到了更通用的 3D 環境。

但注意看，代價是什么？交互延遲那一欄寫著“非實時”，非常的卡頓。

為了追求更復雜的環境，他們犧牲了最重要的實時性。

同時，交互時長也只從幾秒提升到了 10-20 秒。

在探索世界模型的同時，另一條 AI 視頻的路線也在狂飆突進，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 級別，生成的畫面也極其通用和逼真，可以說是現在最牛逼的 AI 視頻模型了。

但它的本質，依然是 AI 視頻模型，沒有交互。

它只負責把畫質和真實感這條路走到極致。

然后，就是今天，主角 Genie 3 登場了。

它像一個集大成者，終于解決了前輩們無法調和的矛盾。

交互延遲：實時，它找回了 GameNGen 最初的夢想。

交互時長：數分鐘， 相比 Genie 2 的十幾秒，是數量級的飛躍。

控制方式：導航+可提示世界事件，不僅能讓你行動，還可以直接用語言創世。

分辨率：720p，一個非常聰明的選擇，是在保證實時性和互動時長的前提下，找到的最佳畫質平衡點。

理解了這段歷史，我們再來看“一致性”這個致命難題，就會有更深的感觸。

在 Genie3 里面，開頭是一副黑板，上面有圖、有字，你走上前去，細細觀摩，然后走到一邊，看向窗外，過了一分鐘，再回來，黑板上的內容，只字未改，依舊存在。

這個一致性，這個記憶能力，太恐怖了。

還有這個視頻。

他們是可以保證，建筑物左側的樹木在整個互動過程中保持一致，即使它們時而進入視野，時而又離開視野。

太牛逼了。

之前應該也就一個月左右，我體驗過一個叫 Odyssey 的產品，也是世界模型。

坦誠的講，那是一次非常糟糕的體驗。

我控制角色往前走了也就十幾秒，整個畫面就開始崩壞、扭曲。

最嚇人的是，每次當我回頭看走過的路時，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，恰恰就是在這個要命的問題上取得了突破。

當它的穩定交互時長能從十幾秒躍升到數分鐘時，就意味著我們終于可以從 Odyssey 那種回頭即崩的恐怖體驗，邁向一個至少在幾分鐘內值得信賴和探索的穩定世界。

所以，Genie 3 在我看來，就像一場我們能部分控制的清明夢。

絢爛、多變、充滿驚喜，但目前還像個隨時可能醒來的夢。

即便如此，它所展現出的可能性，已經給了我前所未有的想象空間。

你甚至可以在這個夢里，就跟創世神一樣，隨意的修改。

這種創世引擎一旦成熟，它對現有部分行業的沖擊將是核彈級的。

我玩了這么多年 VR，其實一直以來，最大的痛點就是內容匱乏。

我們體驗到的依然是一個個稀少的、孤立的、精美的 3D 場景，而不是一個活生生的世界。

未來，你戴上 VR 頭顯，不再是打開一個 App 列表，而是對你的 AI 助手說一句話：帶我去一個雨夜的賽博朋克城市，要能聽到遠處警笛聲，街角要有一個賣拉面的小攤。

然后，一個獨一無二、可供你實時探索的世界，就為你而生了。

VR 將從一個內容消費的設備，變成一個世界生成的入口，解決了內容的問題，才有元宇宙真正該有的樣子。

這也才是綠洲，真正的魅力。

對于游戲行業來說，也是。

現代 3A 的開發成本動輒數億美金，其中絕大部分都花在了構建龐大而精細的游戲世界上，這是一個勞動密集型、資本密集型的產業。

比如說未來的《上古卷軸 6》或者《GTA7》，又或者《博德之門 4》，除了主線劇情，我們在游戲過程中，跟一個有個人意識的 NPC 聊天，然后觸發了一個全新的支線任務。

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

當然，我并不是想表達，純粹隨機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，規則的約束至關重要。

世界模型的可貴之處在于，它能在精妙的人類規則設計下，填充無窮無盡、合乎邏輯的動態細節。

游戲的延展，被巨幅拓寬，制作人或者設計者，完全可以指定這個 AI 世代的隨機規則，就像生成《無人深空》里面的星球一樣，用規則來約束世界模型的生成，在保證游戲性和故事性的基礎上，讓玩家的體驗，不再首先與人力和想象力，而是把這個世界的主導權，交還一部分給玩家。

玩家不再只是玩家，更是關卡設計師、任務發布者、甚至是世界觀的共創者。

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

除了 VR、游戲，還有電影。

電影誕生一百多年來，其實也一直是線性的、導演中心制的，觀眾只能被動地跟隨鏡頭，看一個被安排好的故事。

直到去年一些互動影游火了以后，講故事的方法，稍微開始會有一些變化了，但，互動影游的情節，本質上也是一個被安排好的故事。

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。

未來的電影，可能也更像一場由你主導的夢境。

當你看到主角面臨一個抉擇時，你可以暫停，然后用語言導演接下來的劇情。

“讓天開始下雪，讓他們在雪中擁抱。”或者，“讓反派的電話突然響起，打斷他們的對峙。”

你不再是觀眾，而是擁有部分神之權限的參與者。

這比《黑鏡：潘達斯奈基》那種選擇分支的互動劇要走得遠得多。

它不是在 A 和 B 之間做選擇，而是在一個擁有無限可能性的空間里，進行自由創作。

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，我就心潮澎湃。

當然，我們也必須清醒地看到 Genie 3 當下的局限性。

只能維持幾分鐘的互動時長、無法精確模擬真實世界、文本渲染能力差……

以及，現在還沒有對公眾開放，真正產品上線的時候，效果不知道會不會打折。

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《火車進站》，粗糙、黑白、無聲，甚至可能讓當時的人感到恐慌。

但這不重要。

重要的是，它證明了一件事：路，是通的。

過去，我們通過文字和口述來傳承神話。

后來，我們通過繪畫和電影來描繪神話。

而今天，我們即將獲得親手創造神話的能力。

那問題來了。

“你，究竟想要一個什么樣的世界呢？”

謝謝你看我的文章，我們，下次再見。