Hati yang berdebar, tangan yang bergetar.
Model Dunia Google Genie 4selepas saya menunggu lebih setahun, akhirnya tiba.

Setahun yang lalu8bulan6tarikh, Model Dunia Google Genie 3dilancarkan, hari itu juga merupakanOpenAImodel sumber terbuka gpt-oss yang sudah lama dinantikan dilancarkan, pagi itu6selepas menghantar gpt-oss pada pukul, saya berbaring di atas katil tidak dapat tidur, fikiran penuh dengan kes Genie 3akhirnya saya bangun dan menulis artikel kedua hari itu:Google melancarkan model dunia umum Genie 3 - Ini adalah masa depan.
Saya benar-benar menyukai model dunia, ini adalah salah satu arah teknologi yang paling saya minati dan nantikan dalam beberapa tahun kebelakangan ini.AITeknologi ini adalah salah satu yang saya harapkan.
Sebagai seorang pemain permainan selama hampir20tahun, serta pemain VR selama bertahun-tahun, model dunia yang matang dalam fikiran saya adalah seperti mimpi jernih yang boleh kita kawal.
Indah, berubah-ubah, penuh kejutan, sebuah mimpi yang tidak pernah ingin saya bangun.
Dan sekarang,14bulan telah berlalu.
Google akhirnya mengeluarkan model dunia generasi seterusnya, Genie. 4.
Kali ini, benar-benar satu langkah besar ke hadapan.
Jadi dalam artikel ini, saya ingin berbincang dengan anda semua tentang Genie dengan lebih mendalam 4dan membincangkan apa sebenarnya yang telah dikemas kini, serta model dunia yang saya fahami dan percayai, dan bagaimana model dunia ini akan mengubah permainan, interaksi dan juga filem.
Pertama sekali, saya ingin tunjukkan demonstrasi rasmi.
Satu pandangan orang pertama, anda menunggang seekor naga hitam yang sangat besar, memegang tali kekang dengan erat, meluncur laju di antara gunung dan istana, dikelilingi oleh kesatria lain yang juga menunggang naga besar, di atas kepala anda langit yang berdesir, di bawah kaki jurang yang sangat dalam, anda boleh mendengar bunyi kepakan sayap naga yang kuat, angin kencang di udara tinggi, serta bunyi gunung berapi dan api dari jauh.
Keseluruhan realisme dalam gambar ini, serta rasa kelajuan ketika menunggang naga, memang sangat hebat, perhatikan di sini, anda akan melihat di sudut kiri bawah skrinWASDdan di sudut kanan bawah terdapat anak panah atas, bawah, kiri dan kanan, jika anda sering bermain permainan video pasti sangat biasa dengan ini,WASDanak panah ini mewakili pergerakan, anak panah di sudut kanan bawah adalah arah, sama seperti logik kawalan joystick berganda pada alat kawalan permainan atau beberapa permainan mudah alih. Dan hampir semua perubahan yang anda lihat dalam video ini dikawal secara langsung menggunakan joystick berganda.
Genie 4model dunia ini sangat berbeza dengan produk penjanaan video yang kita biasa kenal seperti Seedance dan Keling.
AIPenjanaan video bertanggungjawab untuk menghasilkan satu kandungan video, tetapi selepas video itu dijana, ia menjadi tetap, anda hanya boleh menontonnya mengikut garis masa yang telah ditetapkan.
Manakala model dunia bertujuan untuk menyelesaikan masalah interaksi.
Seperti apabila anda melangkah ke dalam dunia ini dan mula mengubahnya, dunia ini akan bertindak balas secara langsung terhadap interaksi anda.
Anda berjalan ke kiri, maka dunia harus berubah mengikutnya; anda membuka sebuah pintu, di belakang pintu itu harus ada ruang yang munasabah; anda menendang sebuah kerusi, kerusi itu harus jatuh, kemudian anda meninggalkan bilik, selepas beberapa ketika kembali, kerusi itu harus masih di situ, kecuali ada yang mencurinya, tetapi siapa yang mahu mencuri kerusi, betul tak.
Dan semua ini perlu berlaku secara berterusan dan masa nyata mengikut tindakan pengguna.
Secara mudahnya, ia bermaksudAIberkembang daripada hanya merakam video kepada mencipta sebuah dunia yang boleh beroperasi secara berterusan dan bertindak balas kepada semua tindakan dan arahan anda.
Ini juga sebab saya sentiasa rasa, dalam fikiran saya, ruang imaginasi model dunia jauh lebih besar daripadaAIvideo tradisional.
Dan kali ini Genie 4mempunyai beberapa kemajuan yang sangat ketara.
Pertama ialah kualiti imej, pergerakan dan interaksi fizik.
Berbanding Genie tahun lalu, 3adegan yang dipamerkan secara rasmi kali ini sudah mempunyai realisme tahap foto yang lebih kuat.
Gerakan watak lebih semula jadi, dan fenomena fizik kompleks seperti perlanggaran objek dan aerodinamik juga mempunyai kemampuan simulasi yang lebih baik.
Dari kedua-dua kes ini, sepatutnya dapat dilihat dengan jelas.

Seterusnya adalah konsistensi dunia dan kawalan masa nyata.
Anda boleh mengawal watak atau kamera melalui papan kekunci, dan juga boleh mengubah cuaca, menambah objek baru, atau mengubah peristiwa secara langsung menggunakan bahasa semula jadi semasa dunia sedang berjalan.
Ia akan terus menjana perubahan seterusnya berdasarkan adegan semasa, kali ini kerana kemajuan model keseluruhan, kesannya menjadi sangat hebat dengan kelewatan yang sangat rendah.
Kemudian, ada audio asli yang saya sangat sukai.
Kali ini, Genie 4akhirnya boleh menjana bunyi persekitaran, bunyi muzik, dan dialog interaktif antara watak secara serentak dengan dunia yang dijana.
Ini sebenarnya juga satu lonjakan besar.
Seperti ketika kita bermain permainan yang menekankan pengalaman imersif seperti 《荒野大镖客》,2mengapa kita rasa dunia itu begitu nyata?
Kerana selain daripada grafik dan mekanik permainan, terdapat banyak bunyi yang direka dengan teliti. Contohnya bunyi tapak kaki kuda di atas permukaan yang berbeza, suara orang di kedai minuman, bunyi angin di dalam hutan, dan bunyi tembakan dari jauh, semua ini bersama-sama membentuk persepsi kita terhadap sesuatu dunia.
Jika satuAIDunia yang dijana mempunyai imej yang sangat realistik, tetapi tanpa sebarang bunyi, jadi rasa keterlibatan itu sebenarnya sukar untuk dibina dengan sebenar-benarnya.
Dan kini, Genie 4akhirnya mula menjana pengalaman visual dan auditori dunia secara serentak.
Malahan, watak dalam dunia ini boleh bercakap secara masa nyata dan bertindak balas terhadap anda atau kejadian di sekeliling.
Saya rasa ini sangat penting untuk masa depan permainan dan interaksi VR.
Saya percaya selepas melihat kes-kes ini, semua orang akan mempunyai sedikit pemahaman tentang Genie 4model dunia ini, tentu saja, saya juga tahu ramai yang akan bertanya, apa bezanya model dunia ini dengan model dunia yang pernah dibuat oleh Li Feifei sebelum ini?
Jadi, di sini saya ingin berkongsi sedikit tentang satu cabang teknologi yang sangat menarik dalam model dunia masa kini.
Model dunia yang sering disebut hari ini sebenarnya mempunyai dua laluan teknologi yang sangat mewakili.
Satu laluan diwakili oleh Google Genie,laluan penjanaan video.
Pendekatannya adalah berdasarkan imej yang telah berlaku, operasi pengguna semasa, dan pemahaman model tentang dunia, ia sentiasa meramalkan dan menjana imej seterusnya.
Apabila anda berjalan ke hadapan, ia akan menjana dunia yang anda lihat selepas berjalan ke hadapan, dan apabila anda berpaling, ia perlu menjana pemandangan di belakang anda.
Kelebihan terbesar laluan ini ialah keupayaan penjanaan dinamik, dunia boleh berubah mengikut setiap tindakan anda, seperti pencipta sebenar.
Tetapi ia mempunyai satu masalah yang sangat menyusahkan.
Konsistensi dunia.
Kerana seluruh dunia dijana secara berterusan, model mesti mengingati apa yang telah dijana sebelum ini. Jika anda baru sahaja melihat seseorang memakai seluar tali putih, dan apabila anda berpaling dan kembali, tali itu tiba-tiba menjadi biru, maka dunia itu menjadi tidak konsisten.
Selain itu, setiap kali dunia yang dijana dijalankan, ia terus menggunakan kuasa pengiraan inferens, dan apabila masa berlalu, kos dan kestabilan menjadi masalah, jadi sekarang anda jarang melihat demonstrasi awam yang boleh menjalankan dunia yang dijana secara berterusan selama lebih dari beberapa minit.10Beberapa minit dunia yang dijana secara berterusan.
Yang kedua ialah3laluan D, yang juga dikenali sebagai laluan percikan Gaussian.Wakil paling tipikal ialah World Labs oleh Li Feifei.
World Labs telah melancarkan Marble secara rasmi pada tahun lepas,11Anda memberikan satu teks, satu gambar, satu video, atau menggunakan blok untuk membina susun atur kasar, dan ia akan menjana satu dunia lengkap.3D dunia, dirender menggunakan percikan Gaussian, contohnya ketika belum selesai dirender ia kelihatan seperti ini.

Yang lengkap kelihatan seperti ini.

Versi penuh mengandungi kira-kira dua juta titik Gaussian, boleh dieksport sebagai fail percikan Gaussian, juga boleh dieksport sebagai model mesh biasa, boleh terus dimasukkan ke dalam Unity, Unreal, Blender untuk digunakan, malah boleh masuk dengan peranti VR untuk diterokai.
Kelebihan jalan ini adalah kelemahan laluan video. Kerana dunia yang anda hasilkan benar-benar wujud, anda boleh kembali seratus kali, ia tetap sama. Dan renderingnya murah, satu headset sudah cukup untuk menjalankannya, juga boleh dieksport, terus disambungkan ke saluran permainan dan filem sekarang.
Kelemahannya juga adalah kelebihan laluan video, kerana dunia yang mereka hasilkan adalah statik, semua watak di dalamnya tidak boleh bergerak, beberapa animasi dan kesan khas perlu dieksport ke enjin dan ditambah sendiri.
Jadi kedua-dua jalan ini mempunyai masalah masing-masing.
Namun kini, mereka sudah mula bergabung.
Yang paling tipikal adalah World Labs sendiri. Tahun ini9bulan1hari, mereka melancarkan model baru bernama Atlas, secara rasmi dipanggil model dunia serba boleh.
Demonstrasi paling menarik adalah, menggunakan tiga telefon biasa yang dipasang pada tripod untuk merakam satu rakaman, Atlas boleh membekukan masa, dan merender semula dari sudut baru mana-mana, seperti masa peluru dalam filem The Matrix.
Perlu diketahui ketika merakam babak itu, kru meletakkan ratusan kamera mengelilingi pelakon, beberapa hari lalu Tim membuat masa peluru untuk Vogue juga menggunakan70TaiiPhone 18 Pro.
Lapisan asas Atlas adalah Transformer penyebaran multimodal yang dilatih dari awal, yang boleh terus menghasilkan video sepanjang1minit1440p, dan juga boleh memodelkan ruang dan masa dari video input, setiap bingkai mempunyai kekangan kedudukan dan arah kamera yang jelas, jadi sangat tepat, dan juga boleh mengeluarkan awan titik dan3D Gaussian splatting, menggunakan set Marble itu, mereka juga berkata versi Marble yang akan datang akan dikendalikan olehnya.
Dan Google kali ini memberikan satu cara penggabungan yang lain.
Selain daripada masalah ingatan yang lemah, laluan video juga mempunyai satu masalah yang lebih besar, iaitu walaupun Genie yang hebat 4masih agak biasa dalam prestasi sebab-akibat jangka panjang.
Jadi mereka memikirkan satu cara, iaitu memasukkan Gemini dalam proses penjanaan.
Contohnya Gemini 3.8 Flash, Google memanggilnya agen panduan, Genie 4Semasa menjana dunia secara masa nyata, ia sentiasa memerhati skrin, memecahkan matlamat menjadi langkah demi langkah, kemudian memeriksa setiap langkah satu demi satu untuk memastikan ia benar-benar selesai; jika anda campur tangan di tengah jalan, atau dunia itu sendiri berubah, ia akan mengubah rancangan secara langsung.
Google juga mempamerkan Gemini 4 Argon dan Genie 4bekerjasama, mensimulasikan robot humanoid Apollo Apptronik bermain catur.
Kini, rangka kerja yang dicuba oleh Google ini adalah seperti membiarkan Gemini terus memerhati, merancang dan membimbing di belakang tabir, manakala Genie bertanggungjawab menjana visual, bunyi dan perubahan dinamik dunia tersebut.
Satu bertanggungjawab memahami matlamat dan merancang tindakan, satu lagi bertanggungjawab memaparkan dunia ini serta hasil daripada tindakan tersebut, dan perkara baru yang berlaku akan mempengaruhi perancangan langkah seterusnya.
Saya rasa, jika sistem ini dapat terus maju, ruang imaginasi yang akhirnya dibawanya benar-benar akan sangat menakutkan.
Kerana bagi permainan, terutamanya dunia terbuka, anda akan dapati bahawa keinginan pemain untuk kebebasan sentiasa lebih banyak daripada kandungan yang boleh disediakan oleh pembangun terlebih dahulu.
Walaupun permainan terbaik hari ini3A juga sukar untuk menyelesaikan konflik ini sepenuhnya.
Seperti "Red Dead Redemption"2dunia keseluruhannya telah dibuat dengan sangat terperinci, tetapi apa yang anda boleh picu dalam permainan dan dengan siapa anda boleh berinteraksiNPCInteraksi apa yang akan berlaku, kandungan besar masih perlu direka terlebih dahulu oleh R Star.
Permainan seperti "Baldur's Gate"3yang terkenal dengan pilihan yang kaya, masih memerlukan pasukan besar untuk mereka pelbagai plot, misi dan peraturan interaksi terlebih dahulu, menyebabkan tempoh pembangunan menjadi ketat, malah keseluruhan kawasan bandar atas langsung tidak dapat disiapkan.
Permainan besar moden3A sering mengambil masa bertahun-tahun untuk dibangunkan, dengan pelaburan berbilion dolar, di mana sebahagian besar kos digunakan untuk pembuatan pemandangan, aset, animasi dan pelbagai kandungan.
Tetapi model dunia benar-benar mungkin akan perlahan-lahan mengubah perkara ini.
Sebagai contoh, pada masa depan apabila anda meneroka dalam "The Elder Scrolls", tiba-tiba anda bertemu dengan seorangNPCyang memberitahu anda bahawa ahli keluarganya hilang, anda menerima misi ini dan memutuskan untuk membantunya mencari.
Seterusnya, permainan boleh menjana petunjuk, pemandangan dan peristiwa baru berdasarkan pandangan dunia asal, hubungan watak dan peraturan misi.
Setiap pilihan yang anda buat dalam proses itu akan mengubah cerita yang akan datang, dan semua ini tidak memerlukan pembangun untuk menghasilkan semua kemungkinan plot terlebih dahulu.
Sudah tentu, saya sentiasa berpendapat bahawa kandungan permainan yang dijana secara rawak sepenuhnya kebarangkalian besar tidak berbaloi untuk dinikmati dan tidak seronok dimainkan.
"Baldur's Gate"3》Salah satu sebab utama mengapa The Legend of Zelda hebat adalah kerana set peraturan yang canggih, serta interaksi kompleks yang terhasil daripada gabungan peraturan yang berbeza.
Oleh itu, pembuatan permainan masa depan mungkin perlu memberi lebih perhatian kepada satu perkara.
Iaitu mereka perlu mereka bentuk peraturan dunia sebanyak mungkin, dan membenarkanAImengambil alih lebih banyak kerja penjanaan butiran dunia.
Peraturan adalah kunci, dan inilah sebabnya mengapa Nintendo sentiasa dianggap sebagai dewa permainan.
Selain permainan, filem interaktif juga merupakan satu bidang yang sangat menarik.
Filem interaktif sebenarnya serupa dengan permainan; walaupun kosnya jauh lebih rendah, hampir semua cabang perlu dirakam terlebih dahulu.
Lebih banyak pilihan, lebih banyak kandungan yang perlu disediakan terlebih dahulu, jadi filem interaktif hari ini sebenarnya masih merupakan sistem cerita dengan bilangan cabang yang terhad.
Tetapi dengan model dunia, ia benar-benar berbeza.
Ini adalah logik penghasilan kandungan baru yang boleh dinikmati oleh pengguna.
Apa yang kami sampaikan bukan lagi hanya cerita yang sudah lengkap, pada masa depan, apa yang kami sampaikan mungkin adalah dunia yang boleh terus menghasilkan cerita.
Ini benar-benar sangat menarik.
Para pemain dan penonton, malah boleh secara beransur-ansur menjadi pencipta bersama cerita tersebut.
Ini mungkin akan melahirkan satu medium baru yang benar-benar berada di antara permainan, filem dan naratif interaktif.
Perasaan teruja ini benar-benar sudah lama tidak dirasai.
Saya tidak tahu berapa tahun lagi kita perlukan untuk mencapai 'Player One' yang sebenar.
Tetapi saya sangat menantikannya.
Apabila suatu hari nanti, kita akhirnya boleh mencipta dunia kita sendiri dan benar-benar masuk ke dalamnya.
Perasaan itu pasti sangat hebat.


