近期，科技界迎来了一项令人瞩目的创新——谷歌DeepMind推出的Genie 2，这是一款革命性的基础世界模型。它拥有从图像或文字描述中生成3D场景的能力，这些场景不仅可供人类探索，还能被AI智能体所利用。
据悉，用户只需提供一张由Imagen 3生成的图片，并附上相应的文字描述，Genie 2就能迅速构建出一个可交互的3D环境。用户只需通过鼠标和键盘，就能在这个环境中自由漫游，享受最多一分钟的沉浸式体验。
这款模型不仅具备出色的环境一致性，还能在用户移动时精准地呈现视野中消失的部分，大大增强了沉浸感。更令人惊叹的是，Genie 2在生成过程中能模拟物体间的交互、动画效果、光照条件、物理反射以及NPC的行为，生成的场景画质直逼3A级游戏，甚至在某些方面，如物体视角一致性和场景记忆上，表现得更为出色。
这一技术的突破引发了广泛讨论，有人惊叹于科技进步的迅猛，认为这预示着视频游戏的未来；也有人看到了更长远的前景，想象着一个由虚拟世界模型主导的未来。
在Genie 2发布后，DeepMind的CEO还向科技巨头马斯克发出了邀请，希望与其共同制作AI游戏。马斯克对此回应了一个简单的“Cool”，这不仅表达了他的认可，也预示着未来可能的合作。
谷歌的研究人员Jack Parker-Holder通过实例展示了Genie 2的强大功能。在一张包含红门和蓝门的图片上，通过输入不同的语言指令，Genie 2能生成不同的3D场景，用户可以选择走向红门或蓝门，探索不同的世界。
在一个更为复杂的三门场景中，Genie 2同样展现出了卓越的理解力和生成能力，成功生成了研究人员所期望的3D动图，进一步证明了其强大的潜力和无限可能。
