谷歌为 AI 智能体造了演练世界，物理仍不够准

谷歌 DeepMind 于周二推出 Genie 4：一种可实时渲染交互环境的世界模型，具备模拟物理、人体运动与原生音频。照片级演示令人印象深刻，但对构建人工智能智能体的人而言，真正吸引力在于它能在「算数之前」提供多步任务演练场所。DeepMind 研究总监特贾斯·库尔卡尼（Tejas Kulkarni）在媒体吹风会上称，方向是迈向「混合世界模型」：由 Gemini 编写代码与文本，Genie 将其变成可运行场景，从而按需生成测试环境；这些模拟与真实世界条件的接近程度，仍是关于可靠性的开放问题。Genie 4 借助多款 Gemini 维持仿真：Gemini Omni 帮助塑造环境，Gemini 3.8 Flash 跟踪进展、规划下一步并在情况变化时调整。它不是输出成品视频，而是让用户在生成过程中交互：可用键盘移动、切换视角，或以文本提示改变环境而无需重启仿真。谷歌给出的清晰示例是让 Apptronik 的 Apollo 人形机器人下跳棋，由 Gemini 4 Argon 规划每一步，Genie 4 在字幕引导下渲染结果。公司亦在探索该技术如何支撑 Gemini Robotics 研究，使开发者可在变化环境中测试智能体，而不必从零重建每次仿真。