解锁AI的3D叙事 李飞飞、谷歌先行一步

（原标题：解锁AI的3D叙事 李飞飞、谷歌先行一步）

21世纪经济报道记者孔海丽 北京报道

AIGC的3D赛道突然热闹了起来。

12月5日，谷歌DeepMind放出了新一代世界模型Genie 2，可以“一张图生成1分钟游戏3D世界”，网友惊呼“黑客帝国来了”。

就在两天之前，“AI教母”李飞飞的World Labs刚官宣了“空间智能”模型，支持“一张图生成一个3D世界”。

这是继Sora之后，对世界模型的又一次讨论热潮。从文本到图像，再到视频和可交互的3D世界，AIGC总体上有了重大飞跃。

对于产业端来说，创造性设计类工作和交互式体验工作流，都迎来了强大助力。世界模型可以为Agent训练、具身智能训练、复杂的动画制作、游戏制作、物理学建模等领域，提供无限多样、可操控的3D环境。

也有产业人士表示，世界模型的进展，意味着终极AGI（通用人工智能）又近了一步。

谷歌拓展通向AGI的广度

Genie 2是谷歌第二代世界模型，给定一张图像，就能生成一个通过键盘和鼠标输入的、可操作的3D环境。

图像中的角色，可以被键盘识别并响应智能操作。

同一个起始帧，可以生成不同的运动轨迹。

Genie 2前后记忆具有一致性，周围场景即便不可见时，也不会发生扭曲。

可贵的是，Genie 2可以根据画面实时生成新场景，最长可达一分钟。

这样的界面，和游戏有共通之处。

“游戏在人工智能研究领域发挥着关键作用。它们引人入胜的画质、独特的挑战组合和可衡量的进步，成为安全测试和推进AI功能的理想环境。”谷歌方面坦陈：“事实上，游戏对谷歌DeepMind一直很重要，也是谷歌训练Agent的重要途径。”

但是对具身智能的训练，行业是遇到了瓶颈的。

足够丰富和多样化的训练环境，才能促进具身智能的实际进步。21世纪经济报道记者从人形机器人产业人士处获知，当前，泛化能力是人形机器人的一大痛点。

Genie 2有望帮助具身智能解决训练瓶颈。

交互功能上，Genie 2可以对交互关系进行建模，例如爆破气球、打开门和射击炸药桶等。

这使得制作多样化交互场景简单了许多。利用Genie 2快速构建的各种交互式体验原型，研究人员能够快速用新环境来训练和测试具身智能AI。

例如，使用Imagen 3生成的不同图像提示Genie 2对纸飞机、龙、鹰或降落伞飞行之间的区别进行建模，并测试Genie控制不同对象时的能力。

也就是说，AI智能体可以在世界模型里，获得近乎无限的训练场景和交互体系。

虽然这项研究还处于早期阶段，但谷歌研究人员认为，Genie 2是解决安全训练具身智能结构性问题的有效路径，解锁具身智能的下一波能力，也能够实现迈向AGI所需的广度和通用性。

李飞飞兑现空间智能设想

World Labs是著名AI学者、华裔科学家李飞飞的第一个创业项目，成立于2024年1月，公司创立半年时，估值已超10亿美元。

这是一家空间智能公司，致力于构建能够感知、生成并与3D世界互动的大型世界模型，计划为用户生成可操控其中变量的虚拟3D空间，并允许人们“创建自己的3D世界”。World Labs指出，其软件将对包括艺术家、设计师、开发人员和工程师在内的各类从业者有所帮助。

12月3日，World Labs交出了1.0版本作业。

由单张图像可以生成3D世界，用户可以实质意义上“走进”任何图像，并在3D中探索。

该工具还配备了可操控的滑块，来调节模拟景深与模拟推拉变焦，支持调整摄像机的位置和视野、更改对象颜色，创建聚光灯特效、自动运行的动态效果等交互方式，丰富了视觉体验和更强的操控感。

与Genie 2一样，World Labs的空间智能模型也可以保证3D世界的一致性，场景更加持久，一旦生成便会一直存在；用户可以实时控制、实时移动场景，能够仔细观察场景中的细节。

世界模型遵循3D几何的基本物理规则，兼具真实感和深度感，有效提升了内容的操控性和一致性，改变了电影、游戏、模拟器以及物理世界其他数字呈现形式的制作方式。

英伟达高级研究科学家Jim Fan评价说：“GenAI正在创造越来越高维度的人类体验快照。Stable Diffusion是2D快照；Sora是2D+时间维度的快照；而World Labs是3D、完全沉浸式的快照。”

目前，Worldlabs对公众开放了候补名单申请，部分创作者已经可以将这个AI工具整合到现有的工作流程中。

在影视制作领域，AI的3D叙事能力将大大提高内容创作的效率和质量，降低制作成本。创作者可以更快速地生成虚拟场景和角色，通过AI生成的3D世界来构建更加丰富多样的故事背景，为观众带来全新的视觉体验。

例如，在拍摄前利用Worldlabs技术生成虚拟的拍摄场景，帮助导演和摄影师更好地规划镜头和场景布置，提高拍摄效率和准确性。

对于游戏行业，3D生成将为游戏开发带来更多可能性。开发者可以利用AI生成更加逼真、细腻的游戏场景和角色，提升游戏的沉浸感。

在教育领域，大模型生成的3D内容可以创建更加生动、直观的教学场景，增加科学、历史等学科的体验感。

李飞飞认为，“空间智能”是AI拼图的关键一环。她今年4月份在TED演讲中曾称：“视觉变成了洞察力；洞察力变成了理解力；理解力推动了行动。所有这些都产生了智能。”

Genie 2和Worldlabs所代表的空间智能领域，是AI技术发展的一个重要新方向。它突破了传统AI在二维平面上的局限，将AI的感知和理解能力拓展到了三维空间，更直观，也更趋近于交互本质。