Google發表世界模型Genie 4，強化物理模擬與即時互動能力

Google旗下DeepMind周二（10/27）發表新一代世界模型Genie 4，可利用AI生成能夠自由探索、即時互動的虛擬世界，並進一步強化物理模擬、人物行為及聲音生成能力。使用者不僅能在其中移動，還能透過文字指令改變天氣、加入人物或物件，讓虛擬世界隨著操作持續變化。

世界模型（World Model）是一種能理解並模擬現實世界運作方式的AI模型，不僅能生成影像或影片，也能學習物體、空間、動作及物理現象之間的關係，進而預測事件接下來如何發展。與一般AI影片生成模型不同，世界模型強調環境的持續性、物理規律及互動能力，讓使用者或AI系統的行動能影響模擬世界的後續變化。

Google自2024年開始推出Genie系列世界模型，最初的Genie主要生成可互動的2D遊戲環境，Genie 2進一步支援3D世界。去年8月發表的Genie 3已能以每秒24影格、720p解析度，即時生成可探索的3D環境，並維持數分鐘的連續互動。此次Genie 4則進一步強化物理模擬、人物行為及聲音生成能力。

Google表示，Genie 4能模擬物體碰撞、空氣動力學，以及人物如何移動、回應周圍環境，也是Genie系列首款能原生生成音訊的即時世界模型，可同步產生風聲、水聲及人物對話。例如，使用者可以在虛擬世界中騎乘巨龍飛越山區，模型會即時生成周圍景色、巨龍振翅及風聲，並隨使用者的移動持續改變場景。

Genie 4的另一項特色是整合Gemini系列模型的推理能力。其中Gemini Omni協助維持模擬場景符合現實的外觀與行為，Gemini 3.8 Flash則將複雜任務拆解成多個步驟，持續觀察場景、確認執行結果，並隨環境變化調整計畫。Google也展示結合Gemini 4 Argon，模擬Apptronik的Apollo人形機器人下西洋跳棋，探索世界模型在機器人訓練上的應用。

目前Genie 4仍處於研究預覽階段，僅開放受信任的測試者使用，未來將透過Project Genie提供Google AI Ultra訂閱用戶，以及Gemini API與Google AI Studio的早期合作夥伴。Google坦言，模型在長時間模擬、複雜物理互動、空間準確性及物件一致性方面仍有限制，尚待進一步改善。

世界模型已吸引多家AI業者投入。AI影片生成公司Runway推出GWM系列世界模型，將影片生成延伸至互動模擬；美國新創Odyssey發表Odyssey-3，探索世界模型在自駕車、機器人及AI代理人上的應用；以色列AI新創Decart則推出Oasis系列，提供可即時互動的模擬環境。晶片大廠Nvidia也開發Cosmos系列世界模型，主要用於機器人、自駕車等實體AI系統的開發。

另一家受到關注的業者是AI先驅李飛飛共同創辦的World Labs，旗下Marble可根據文字、圖片或影片生成可探索、可編輯的3D世界。AMD今年9月宣布，將以約82億美元收購World Labs，預計年底完成交易，藉此強化世界模型研究，並替未來AI運算平臺的設計提供技術基礎。

目前各家世界模型的發展方向不盡相同，有些著重生成可探索的3D場景與互動影音，有些則專注物理環境模擬、機器人控制及自駕車訓練。整體而言，世界模型的潛在應用涵蓋遊戲、影視製作、工業模擬及AI代理人訓練，但相關技術仍處於不同的發展階段。