Genie 3：让XR世界从“平替”进化为“贵替”的世界模型

上周，谷歌Deep Mind发布了新的通用世界模型Genie 3。

它引发了非常热烈的讨论，其中有包括看好和质疑。一部分人认为，它的广泛应用能够给虚拟世界建设“解放生产力”，而另一方面则认为这只是谷歌的营销，实际上并没有什么真正的用途。

但无论如何，这个能够实时生成虚拟世界的模型，仍然值得XR行业关注。

什么是Genie 3 Not only see, but also in...teractive

Genie 3是可在实时交互中生成动态环境的通用世界模型。

它能根据文本提示，生成720p、24fps的可导航场景，并保持几分钟内的物理与视觉一致性。这意味着，从前需要依赖手工建模、游戏引擎预构建的虚拟世界，如今可以直接由模型实时生成。

用大白话来说，它更3D、更拟真、更细腻。

更3D就是指在Genie生成的视频中，人是可以跟环境产生互动的。你可以操作人在视频里行走，移动的维度也有了前后左右上上下下。而在普通的AI视频里，只能够拖进度条。

我们也用谷歌案例的提示词，在Sora里生成了一段视频：

而这是Genie 3的同样提示词的视频：

可以看到，Genie 3的视频是像玩游戏一样，可以进行移动，甚至走进蘑菇屋里面去。

Genie在拟真方面也有了长足的进步，也就是谷歌官方所说的，几分钟内的物理与视觉一致性。

比如这段案例，在罗马风格的大理石建筑面前移动，前面的树会根据你的移动和现实世界的物理特性，呈现出近大远小的空间感，并且在你“回头”的时候，也会出现在真实世界中会出现的位置上。

一些其他视频很可能会在你回头时，重新生成一段你从来没见过的画面。

这个特性就有点像GPT的上下文记忆，不过Genie 3的“记忆”是视觉和空间状态，包括场景里物体的位置、外观、状态，比如门开着还是关着、涂了什么颜色等等。可以理解为AI更加进化了，已经拥有了打造“世界连续性”的能力。

更细腻，也是Genie体现在“物理”上的能力。比如海浪拍打到水岸，下雨后泥泞的街道和水坑，阳光随着你的行走而变换角度等等，一切都更加贴近真实世界。

像这段雨林树叶就非常典型：

除了近大远小之外，能够看到上层的叶子更嫩绿（因为是新长出来的），下层的叶子颜色更深。此外，也能感受到叶片的肥厚，正好符合一种雨林感。

此外，Genie 3还支持实时互动，根据你新增的提示词即时生成内容。

比如在滑雪视频里生成一个Genie 3滑雪爱好者：

或者一根坐着滑翔伞的香蕉：

可以看到，画面基本上是没有太大变动的，整体主世界比较稳定，生成的事件也是出现在相对真实的位置。

Genie 3就像本段标题所说，不止是AI生成的平面视频——用来看的，更是能够“生活”在其中，身临其境，并与环境产生交互，也能看到环境因为你的存在、你视角变化而产生变化。

对XR来说有什么用？

创造一个虚拟世界，本质上是现实世界的替代品，在未来也许是从平替向贵替的进化。

为了让我们更快适应虚拟世界，尽可能的拟真是必不可少的追求。因为XR和视频、图片最大的不同在于，它是隔着屏幕看，而是让我们沉浸其中。在这种情况下，如果你背后的物体突然变样，光影跟你习惯的反着移动，你的大脑会立刻察觉“这是假的”，沉浸感瞬间崩塌不说，还可能会引发毛骨悚然的想象（倒是很适合做惊悚类的……）

Genie 3这种高度的世界型AI，也许会极大催生XR世界的内容繁荣。

在最初的报道中，就有媒体提到，Genie 3对教育行业会产生有效帮助。我们都知道那句互联网名梗“妈妈啊，人生是旷野”——有些风景看过，就是比没看更印象深刻、更能理解其中深意。

Genie 3 能让学生进入一个可交互、可探索的虚拟环境，比如在生物课里走进细胞世界观察细胞器的结构；在历史课里漫步古罗马广场，和当时的市民擦肩而过；在地理课里穿越不同的气候带，观察环境与动植物的变化。这种体验不仅记忆更深，也能让学生通过交互获得更加深刻的“参与感”——而且成本非常低。

在游戏领域，Genie 3 也有想象空间。在Reddit上就有玩家提到，如果足够灵活，Genie 3可以用来玩D&D。

与剧本杀大家共用一个剧本不同，这种游戏通常由一个DM来担任主要剧情叙述，甚至可以说大家进行的游戏世界，完全依赖于DM的口述和想象。当然这在线下面对面玩非常有趣，但也不乏有更多人希望能够“看到”。

接入 Genie 3 后，DM 可以即时输入提示词，在世界中创造一扇门、一座城堡，或一条蜿蜒的地道，让玩家“所说即所见”，把口述想象变成可探索的空间。

在这个基础上，AIGC也会在游戏里获得更广泛的应用。比如接入Genie 3的API后，一个单纯的房间会变得更有互动感，每个人进入后得到的内容也许会不太一样、更加灵活。

此外，未来，当Genie 3与云渲染和AR眼镜结合，用户可能随时将周围环境换成另一种景象，也可能会随机触发一个赛博涂鸦艺术家的彩蛋——就像漫步在Bristol街头寻找Banksy一样，让虚拟与现实的交织变成一种日常惊喜。

从长远看，Genie 3 这种具备高拟真、强交互、长时一致性的世界模型，可能会成为 XR 内容生态的“底座技术”。它不只是让我们能看见更多虚拟风景，而是让虚拟世界开始像现实一样拥有秩序、记忆和可预期性。

一旦这种能力被普及，XR 应用的形态就会从一次性的“项目体验”，转向持续演进的“生活空间”。它甚至可能是全球共享的“公共休息室”，也是永远开放、动态更新的游戏世界。

到那时，我们可能不再区分“真实”和“虚拟”，而是习惯在两者之间无缝切换——就像今天的我们习惯在现实和线上社交之间穿梭一样。