Project Genie：谷歌如何把街景变成可探索的AI世界

从街景照片到可玩的虚拟世界

在最新版本中，Project Genie 与 Google Maps 的 Street View 数据库进行了连接，使模型能够基于真实地点生成虚拟环境。

实际体验大致是这样的：

• 用户在 Google Maps 中选择一个地点，或直接输入真实地点。
• 通过文本提示描述想要的风格或情景。
• 系统生成一个基于街景图像构建的 AI 环境。

随后，用户可以像在电子游戏中一样 在这个地点的 AI 版本中移动和探索。

由于环境是实时生成的，用户还可以重新设定条件，例如：

• 改变天气或时间
• 把现代城市街道变成历史场景
• 将城市街区改造成沙漠或幻想世界

也就是说，同一个真实地点可以被 无限次“重新想象”。

Project Genie 目前能做什么

与常见的图像或视频生成工具不同，Project Genie 更像一个 互动世界构建器。

目前的主要能力包括：

• 从提示创建世界：通过文字描述生成可探索环境。
• 实时探索环境：用户可以像玩游戏一样移动和导航。
• 基于真实地点生成世界：借助 Street View，从真实街道或地标开始生成环境。
• 环境再创作（Remix）：通过提示改变风格、时间或气候条件。

整体效果更接近 程序化生成的游戏关卡，而不是静态图片或视频片段。

谁可以使用 Project Genie

Project Genie 目前仍是 Google Labs 的实验性原型。

已知的访问条件包括：

• 需要订阅 Google AI Ultra。
• 用户必须 年满 18 岁并使用个人 Google 账号登录。
• 该工具最初在 美国的 AI Ultra 订阅用户中推出。
• 部分报道称正在向全球 AI Ultra 用户逐步开放，但具体功能可能因地区不同而有所差异。

特别是 Street View 真实地点功能，目前主要集中在 美国地点，未来可能扩展到更多国家。

Project Genie 的核心技术

Project Genie 由 Google DeepMind 的 Genie 3 世界模型驱动。

与传统生成模型只输出图片或视频不同，Genie 生成的是 完整、可互动的环境。

其关键技术特点包括：

• 实时世界生成：环境随着用户移动动态生成。
• 连续互动导航：用户可以自由探索，而不是观看固定视频。
• 约 20–24 帧/秒性能，分辨率约 720p。
• 短时间环境一致性：世界在几分钟内保持相对稳定。

从技术原理上看，该系统会根据 之前生成的画面以及用户动作预测下一帧画面，类似语言模型预测下一个词的方式。

当前的限制

尽管演示效果令人印象深刻，但 Project Genie 仍然只是研究原型。

主要限制包括：

• 访问门槛较高：需要订阅 Google AI Ultra。
• 地理范围有限：Street View 功能目前主要支持美国。
• 世界持续时间有限：环境通常只能稳定维持几分钟。
• 交互动作有限：用户或 AI 在世界中的操作仍然比较简单。

因此，目前更合理的定位是 早期研究系统，而不是成熟的模拟平台。

谷歌为什么要做“世界模型”

DeepMind 将 Genie 视为迈向更通用 AI 的重要一步，因为它能够 理解并模拟环境。

潜在应用场景包括：

游戏和互动媒体

世界模型可以通过提示直接生成可玩的场景，大幅减少游戏环境的人工设计成本。

教育和虚拟探索

通过 Street View 与真实地点结合，学生未来可能在互动环境中探索城市、历史地点或自然生态系统。

机器人与 AI 智能体训练

真实世界训练成本高且风险大，而 Genie 可以生成几乎无限的模拟环境，为机器人或 AI 智能体提供训练场。

一个更大的趋势：从生成内容到模拟世界

目前的大多数生成式 AI 主要生成 文本、图像或视频。

而像 Genie 这样的世界模型，则开始生成 会随时间变化、能与用户互动的完整环境。

这种变化很重要，因为互动模拟可以支持：

• 复杂决策训练
• 具身 AI（embodied AI）
• 机器人学习
• 开放式探索

Project Genie 仍处于早期阶段，但它展示了一种新的可能：未来 地图、游戏、虚拟仿真和 AI 训练环境，也许会逐渐融合在同一个 AI 平台之中。