今日播报!谷歌发布新一代世界模型Genie4，加强物理AI技术布局

当地时间10月27日，谷歌旗下DeepMind发布新一代世界模型Genie 4的研究预览版，该模型进一步提升了实时交互式世界模拟能力，同时探索在机器人训练和物理AI（Physical AI）领域的应用。

与前代模型Genie 3相比，Genie 4不仅在画面真实感、物理模拟和人物动作自然度方面有所提升，还将场景保持一致性的模拟时长延长至约两分钟，是前代模型的两倍。

(相关资料图)

据介绍，Genie 4能够生成迄今为止最逼真、可实时交互的动态虚拟世界，在物理现象模拟、人物动作和场景交互等方面取得进展。用户可以通过自然语言指令，在模拟过程中实时改变天气、调整视角，或添加人物和物体。模型还具备原生音频生成能力，能够同步生成背景音乐、环境声音及互动对话。

值得关注的是，谷歌还展示了Genie 4与大模型Gemini 4 Argon协同模拟人形机器人执行任务的实验。

在演示中，Gemini 4 Argon负责将用户指令拆解为多个步骤，Genie 4则根据这些指令，实时生成机器人执行任务的模拟画面，展示了美国机器人公司Apptronik旗下Apollo人形机器人下跳棋的过程。

这一实验也展示出谷歌在物理AI领域的技术布局：尝试将大模型的任务规划与推理能力，同世界模型的环境模拟能力结合起来，让AI能够在虚拟世界中模拟不同任务及其执行过程。

Genie 4带来了更逼真的画面、更流畅的运动效果，并支持原生音频生成。左为Genie 3，右为Genie 4。 来源：谷歌DeepMind官网(00:29)

谷歌研究总监特贾斯·库尔卡尼（Tejas Kulkarni）在发布前的媒体简报会上表示，未来将出现越来越多的“混合世界模型”，即由Gemini生成代码和文本，Genie实时接收这些信息，并在不同抽象层级上模拟现实世界。

世界模型正成为科技公司的重要技术方向。潜在应用不仅涵盖游戏开发、互动教育和影视制作，还包括机器人训练、自动驾驶仿真等领域。通过生成可交互的虚拟环境，世界模型有望帮助机器人和AI智能体在进入真实环境前进行任务模拟和测试。

行业竞争与整合也在加速。今年9月，AI视频生成公司Runway发布第二款世界模型GWM Worlds 2，支持根据用户输入动态生成可交互场景，并具备音频生成能力。

资本市场方面，9月28日，AMD宣布将以约82亿美元的全股票交易收购由华人AI科学家李飞飞创办的World Labs，加强在世界模型、空间智能和物理AI领域的技术布局。与谷歌Genie 4侧重实时动态模拟不同，World Labs此前推出的Marble主要聚焦生成具有空间一致性、可长期探索和编辑的三维世界。

此外，据《华尔街日报》报道，亚马逊正在洽谈以约70亿美元收购世界模型初创公司Decart。10月22日，美国电动汽车制造商Rivian宣布收购世界模型初创公司Third Dimension，计划将相关模拟技术应用于自动驾驶系统开发和测试。

不过，世界模型距离大规模实际应用仍面临技术挑战。DeepMind工程师迭戈·里瓦斯（Diego Rivas）在媒体简报会上表示，Genie 4仍处于早期阶段，完整的产品应用形态尚不明确。随着模拟时间延长，场景中的细节和物体可能出现偏移，音频准确性、画面中文字的清晰度等问题也有待解决。

谷歌计划在未来几周内，通过Project Genie向Google AI Ultra订阅用户开放，并逐步向Gemini API及Google AI Studio的早期访问合作伙伴提供相关能力。

关键词： 最新资讯