前言：如果能夠克服所有主要障礙，[世界模型]有望在虛擬世界生成、機器人技術(shù)和AI決策等領(lǐng)域帶來重大突破，為人工智能與現(xiàn)實世界的融合開辟新的途徑。

作者 | 方文三圖片來源 |  網(wǎng) 絡(luò) 

谷歌成立新團隊模擬物理世界AI模型

2025年初，谷歌向公眾明確傳達了其在人工智能領(lǐng)域的戰(zhàn)略意圖，表明今年將是公司在此領(lǐng)域發(fā)展的重要時期。

今年1月，谷歌宣布，負責AI Studio項目以及Gemini API開發(fā)的團隊將整合并加入Google DeepMind部門。

此舉是繼去年將Gemini聊天機器人團隊并入DeepMind之后的又一重大戰(zhàn)略決策。

目前，谷歌在人工智能研發(fā)方面的力量已完全整合至DeepMind部門，由2024年諾貝爾化學(xué)獎得主德米斯·哈薩比斯領(lǐng)導(dǎo)。

隨著谷歌進一步將人工智能團隊并入DeepMind，這位在游戲開發(fā)、神經(jīng)科學(xué)及人工智能領(lǐng)域均有卓越貢獻的科學(xué)家，其影響力將更為顯著。

近期，谷歌已連續(xù)三次將人工智能團隊并入DeepMind，此前已完成了模型研發(fā)、基礎(chǔ)研究以及負責任人工智能團隊的整合。

1月6日，谷歌正式宣布成立一個專項團隊，旨在開發(fā)能夠模擬物理世界的先進人工智能大模型。

該團隊由前OpenAI視頻生成項目Sora的聯(lián)合負責人蒂姆·布魯克斯領(lǐng)銜。

布魯克斯表示：[我們有志于構(gòu)建一個能夠模擬整個世界的大型生成式模型。]

根據(jù)公司發(fā)布的招聘信息，該團隊將專注于解決[關(guān)鍵性新問題]，并將模型的性能提升至[最高計算水平]。

這支新成立的團隊將與公司內(nèi)現(xiàn)有的Gemini、Veo和Genie等項目進行深入合作，致力于提升人工智能對現(xiàn)實世界的認知和模擬能力。

蒂姆·布魯克斯作為OpenAI視頻生成器Sora的共同領(lǐng)導(dǎo)者之一，于10月份離職，轉(zhuǎn)而加入了谷歌旗下的人工智能研究機構(gòu)DeepMind。

據(jù)相關(guān)報道，布魯克斯加入的新研究團隊將致力于開發(fā)[實時交互生成]工具，并探索如何將他們所構(gòu)建的模型與現(xiàn)有的多模式模型（例如Gemini）進行整合。

以開發(fā)能夠模擬真實場景的AI工具為目標，Genie 2旨在為實現(xiàn)通用人工智能鋪平道路，并引領(lǐng)人工智能領(lǐng)域的新方向——利用尖端技術(shù)實現(xiàn)復(fù)雜物理環(huán)境的真實模擬，未來有望廣泛應(yīng)用于游戲、影視制作、機器人訓(xùn)練等多個領(lǐng)域。

DeepMind認為，在視頻和多模態(tài)數(shù)據(jù)上進行人工智能訓(xùn)練是實現(xiàn)通用人工智能（AGI）的關(guān)鍵路徑。

世界模型將在諸多領(lǐng)域發(fā)揮重要作用，包括視覺推理與模擬、具身代理的規(guī)劃以及實時互動娛樂等。

Genie 2模型對構(gòu)建世界模型的積極一面

DeepMind已成功將SIMA技術(shù)融入由Genie 2所構(gòu)建的虛擬世界中，這一技術(shù)進步預(yù)期將對人工智能的訓(xùn)練方法和游戲快速原型開發(fā)領(lǐng)域產(chǎn)生深遠影響。

Genie 2模型的推出，體現(xiàn)了谷歌DeepMind在人工智能構(gòu)建虛擬世界領(lǐng)域的積極參與和競爭態(tài)勢。

該模型作為一種基礎(chǔ)的人工智能工具，能夠?qū)�單一圖像轉(zhuǎn)化為一個具有交互性的3D環(huán)境，并支持長達一分鐘的互動體驗。

該技術(shù)在多個維度上展現(xiàn)了其卓越的性能和優(yōu)勢，涵蓋了動作控制、生成反事實場景、長期記憶、長視頻內(nèi)容生成、多樣化環(huán)境模擬、3D結(jié)構(gòu)建模、物體交互、復(fù)雜角色動畫、NPC行為、物理效應(yīng)、煙霧模擬、光影效果以及快速原型設(shè)計等方面。

Genie 2的核心功能在于訓(xùn)練與評估具身智能體，其通過構(gòu)建多樣化環(huán)境，能夠生成智能體在訓(xùn)練過程中未曾遭遇的評估任務(wù)。

其工作原理是逐幀進行[像素預(yù)測]，并利用用戶提供的[引導(dǎo)]信息來調(diào)整下一幀的概率分布。

Genie2 的功能包括具備[基礎(chǔ)世界模型的涌現(xiàn)能力]，能夠構(gòu)建出豐富多樣的三維世界，并能夠模擬在虛擬世界中進行各種行為（例如跳躍、游泳等）所產(chǎn)生的結(jié)果。

Genie2 實現(xiàn)了讓任何用戶通過[文字]描述來構(gòu)建他們理想中的世界，選擇他們偏好的[效果圖]，隨后進入這個新構(gòu)建的世界并進行[互動]，或者讓AI代理在其中進行[訓(xùn)練或評估]。

該模型具備從單一圖像中構(gòu)建可交互3D環(huán)境的能力，并能夠提供長達一分鐘的沉浸式游戲體驗。

該模型集成了物理模擬、照明效果以及非玩家角色（NPC）行為等高級功能。

谷歌將自身定位為研究與原型開發(fā)工具，該工具能夠迅速構(gòu)建豐富的環(huán)境，從而使得即便在缺乏專業(yè)訓(xùn)練的情況下，人工智能的評估工作也變得更加簡便。

科技巨頭紛紛入局世界模型競賽

在CES 2025上，黃仁勛宣布推出Cosmos世界模型（Cosmos World Foundation Models，簡稱Cosmos WFMs），該模型專為理解物理世界而設(shè)計，能夠預(yù)測并生成具有[物理感知]的視頻內(nèi)容。

除了英偉達，谷歌以及其他一些初創(chuàng)企業(yè)也在積極追求世界模型的開發(fā)。

李飛飛的World Labs已經(jīng)籌集了2.3億美元資金，用于構(gòu)建[大世界模型]，而Decart和Odyssey等公司也加入了這一領(lǐng)域。

OpenAI先前發(fā)布的Sora模型亦可視為一種[世界模型]，它能夠模擬如畫家在畫布上作畫的行為，以及渲染類似Minecraft的用戶界面和游戲世界。

具體而言，世界模型是通過大量圖像、音頻、視頻和文本數(shù)據(jù)的訓(xùn)練，構(gòu)建出對世界運作方式的內(nèi)部表征，并能夠推理行為的后果。

這使得它們能夠更深入地理解和模擬現(xiàn)實世界的規(guī)律。

世界模型的概念源自人類大腦形成的心智模型，我們的大腦能夠?qū)⒏泄佾@取的抽象信息整合成對周圍世界的具體理解，形成[模型]，這些模型幫助我們預(yù)測和感知世界。

世界模型的特點在于其試圖超越單純的數(shù)據(jù)，模擬人類的潛意識推理。

例如，棒球擊球手能在極短的時間內(nèi)決定如何揮棒，是因為他們能夠本能地預(yù)測球的軌跡。

這種潛意識推理能力被認為是實現(xiàn)人類級智能的關(guān)鍵條件之一。

[世界模型]的意義在于能夠?qū)崿F(xiàn)復(fù)雜的推理和規(guī)劃，并將推動生成式視頻技術(shù)的發(fā)展。

Meta的首席AI科學(xué)家Yann LeCun認為，世界模型未來可能在數(shù)字和物理領(lǐng)域的復(fù)雜預(yù)測和規(guī)劃中發(fā)揮作用。

例如，給定一個雜亂無章的房間（初始狀態(tài)）和一個整潔的房間（目標狀態(tài)），世界模型可以推理出一系列清潔行動，而不僅僅是根據(jù)觀察到的模式進行操作。

具備這些能力后，[世界模型]可廣泛應(yīng)用于影視、游戲、自動駕駛以及機器人等行業(yè)。

結(jié)尾：

未來的世界模型可能能夠按需生成用于游戲、虛擬攝影等用途的3D世界，從而大幅降低開發(fā)成本和時間。

在過去一年中，人工智能技術(shù)在多個方向上持續(xù)取得突破，世界模型被視為下一個重大突破。

盡管距離成熟的[世界模型]還有數(shù)年時間，但這一技術(shù)已經(jīng)展現(xiàn)出巨大的潛力。

部分資料參考：DeepTech深科技：《谷歌再次調(diào)整AI團隊，諾獎得主哈薩比斯統(tǒng)領(lǐng)研發(fā)》，量子位：《Sora核心作者掌舵，谷歌世界模型新團隊全球招募》，傳媒1號：《谷歌DeepMind「世界模型」或成AGI突破口》，AI科技大本營：《Sora前負責人帶隊打造[現(xiàn)實世界模擬器]，AI領(lǐng)域再掀波瀾》，騰訊科技：《全網(wǎng)熱評的李飛飛世界生成模型，真的能構(gòu)建物理世界嗎？》，鼓搗AI：《DeepMind發(fā)布世界模型"GPT時刻"，Genie2或?qū)㈩嵏灿螒虍a(chǎn)業(yè)》，硬AI：《[世界模型]——AI下一個[必爭之地]，英偉達、谷歌雙雙下場》

       原文標題 : AI芯天下丨產(chǎn)業(yè)丨谷歌成立新團隊模擬物理世界AI模型