一句話生成3D世界！Google發布Genie?3，或引爆世界模型大戰？

過去兩周，大模型圈又熱鬧了起來。上周阿里在 Qwen 系列上再度加碼，連發多個開源模型；這周緊接著，OpenAI 在沉寂五年后首次開放自家語言模型權重，在北京時間 8 月 6 日推出 GPT?OSS，直接把開源模型的競爭推向一個新的高潮。

這個時間節點很微妙。阿里和 OpenAI 都在圍繞語言模型（LLM）展開競爭，基于開源小模型優化對話、推理、生成文本的能力，用更開放的策略爭奪開發者和生態。而 Google 的選擇，卻是在同日丟出了一顆不同賽道的「深水炸彈」——通用世界模型 Genie 3。

這個概念在去年 OpenAI 發布 Sora 時曾短暫爆紅，當時不少人將 Sora 代表的視頻生成模型看作通向世界模型的必經之路，加速 AGI 的實現。但熱度來得快，退得也快：類 Sora 視頻生成模型（包括 Google 自家的 Veo 3）終究只是生成視頻，缺乏可導航、可交互的環境邏輯，也沒有形成可迭代的生態，最終讓「世界模型」話題逐漸沉寂。

而 Genie 3 的出現，顯然不只是換個花哨名字。

它從架構上就是為實時交互設計——可以根據文本提示生成一個可持續幾分鐘的 3D 世界，支持角色移動、物體操控、天氣變化等事件，還有持續一致的視覺記憶，讓虛擬世界具備「空間連貫性」。同樣很重要的一點是，這類世界模型不僅是炫技的內容生成器，更是智能體（AI Agent）訓練的天然土壤：

提供可控、低成本、可重復的仿真環境，讓智能體在其中學習決策與行動，而不必依賴昂貴且風險高的真實測試場景。

從這幾個角度看，雷科技認為Genie 3 的推出可能不僅是一次技術路線的差異化突圍，更可能是下一輪 AI 競賽的前哨戰——只是，這次的賽場，換成了 AI 生成世界。

一句話，就能生成幾分鐘的 3D 世界

要理解 Genie 3 的意義，最直接的方式就是和人們熟悉的兩個類別作對比：一類是去年的「現象級」視頻生成模型 Sora，一類是近兩年在 3D 生成領域不斷迭代的 Hunyuan 3D。

Sora 在去年引發熱議，原因很簡單：它能夠生成長達一分鐘、細節豐富的短視頻，鏡頭切換流暢，光影、材質都逼近真實電影。但它的本質依然是視頻生成——一段生成結果從頭到尾是固定的，用戶不能走進視頻里，也不能影響視頻的走向。但類 Sora 模型終究缺乏「可控交互」，你無法讓視頻中的角色轉身看向你，更不能臨時加一場雨或搬動一把椅子。

換句話說，Sora 給你的是一部成片，而不是一個可供探索的世界。但 Genie 3 的設計目標恰好相反，更像是 UE5 這類游戲引擎。

片段經過壓縮和加速 2x，圖/ Google

一句 Prompt 就能生成，圖/ Google

Genie 3 生成的是可導航、可交互的虛擬物理環境，支持持續幾分鐘的 720p 實時渲染，并且環境內的細節會被記錄——你離開一個房間再回來，墻上的涂漆還在原位，或者桌上的書依舊保持之前的翻開狀態。

片段經過壓縮和加速 2x，圖/ Google

按照 Google DeepMind 的介紹，Genie 3 環境在幾分鐘內仍然保持高度一致性，視覺記憶可以回溯到一分鐘之前。這種視覺記憶機制也是 Genie 3 的底層亮點之一，讓生成世界具備「空間連貫性」，為交互帶來沉浸感。

此外，Genie 3 還支持 promptable world events，也就是通過新的提示動態改變世界——可以隨時切換晴天和暴雨，增加一只貓，或者將熊換成騎馬的人，這些變化會在世界中持續生效。它不僅能「生成」，還能「更新」，這為開放式探索和游戲化交互提供了可能。

片段經過壓縮和加速 2x，圖/ Google

片段經過壓縮和加速 2x，圖/ Google

騰訊的 Hunyuan 3D 系列在 3D 資產生成領域的質量和速度都有口碑。7 月最新發布的 Hunyuan3D?PolyGen 據稱布線精度更高，細節更豐富，同時支持三邊面和四邊面，方便導入游戲引擎或 3D 渲染流程。這類模型生成的優勢是細節豐富、貼圖精準，非常適合資產制作、動畫或工業設計，但生成的只是一個個靜態的 3D 對象。

混元 3D 生成的模型，圖/騰訊

Genie 3 則走向了另一個方向。它不是生成一個孤立的模型，而是構建一個可持續運行的動態物理環境，這個環境本身可以作為智能體（AI Agent）訓練的沙箱：機器人可以在其中測試路徑規劃，無人車可以模擬避障，游戲 NPC 可以演練對話與任務邏輯。

更關鍵的是，這種環境是可重復、可控且低成本的，不需要真實場景的物理限制和安全風險。

不過 Google DeepMind 團隊也指出了 Genie 3 目前的局限性，比如盡管支持在同一世界下的修改，但實際支持的動作范圍受限。還有智能體的交互訓練，本身多個智能體之間的復雜交互就是一個尚待突破的技術挑戰，Genie 3 目前而言更多是有了這種潛力。

此外，考慮到 Genie 1 發布時還只支持 2D 交互，Genie 2 去年底發布的時候，僅僅支持最高 20 秒的 3D 交互，Genie 3 的出現毫無疑問是一次巨大的進步，也從側面反映了世界模型的進步速度。

「世界模型」叫好不叫座，Genie 3 會是拐點嗎？

「世界模型」這個詞在 AI 圈的高光時刻，要追溯到 2024 年初。彼時 OpenAI 推出的視頻生成模型 Sora，不僅在技術演示上驚艷四座，還被一些業內人士解讀為通向世界模型的「前奏」。原因很直接：它能生成長時視頻、具備一定的物理一致性，看起來像是在為未來可交互的虛擬環境做準備。

那段時間，充斥著「世界模型是通用人工智能（AGI）的必經之路」的各種分析和報道，普遍認為未來 AI 會先在虛擬世界學會一切再走向現實，熱度甚至一度超過了同期的大語言模型升級消息。然而，這股熱潮很快就退去。

這就是 Genie 3 登場的背景：一個技術潛力巨大、但話題度和資源支持都已經降溫的領域。它的不同之處在于，不再停留在「視頻生成」的階段，而是真正進入了「可交互 3D 世界」的范疇——幾分鐘的持續渲染、可控事件觸發、視覺記憶保持一致，這些特性直接回應了過去一年里技術難以跨越的門檻。

那么，Genie 3 會不會成為世界模型由「冷」轉「熱」的拐點？

片段經過壓縮和加速 2x，圖/ Google

從積極面看，它至少提供了一個現實可感的范例：世界模型不僅是研究論文里的設想，也可以以產品原型的形式存在，并且能服務于具體任務——無論是智能體訓練、虛擬仿真，還是未來的沉浸式內容創作。這為行業提供了新的敘事素材，也可能吸引資本重新評估這一方向的商業潛力。

但要開啟真正的競爭，還需要幾個條件：

一是更多參與者進入，讓世界模型不只是 Google 一家的技術嘗試；

二是開放或半開放的生態，使外部開發者能夠基于模型構建應用，推動迭代；

三是找到明確的落地場景，哪怕是細分市場的高價值應用，也能讓技術驗證與商業閉環相互促進。

不過目前可以肯定的是，Genie 3 把「世界模型」再一次擺回了技術輿論場的中心。世界模型會快速形成百家爭鳴的格局？還是會像 Sora 的影響那樣，在短暫熱度后再次沉寂？這不僅取決于技術的迭代速度，也取決于整個 AI 行業是否已經準備好接受一個新的主戰場。

寫在最后

從阿里、OpenAI 在語言模型賽道上的連番出招，到 Google 用 Genie 3 打開另一扇通向未來的門，這幾周的 AI 行業競爭像極了一場多線作戰的拉鋸戰。不同于 LLM 的能力比拼與開源策略，Genie 3 把焦點放在了「可交互世界」的構建上，用幾分鐘持續渲染、可控事件和視覺記憶，為世界模型的可用性邁出了關鍵一步。

它未必會立刻引爆新的產業熱潮，但至少證明了世界模型已經進入了一個新的階段。對于智能體訓練、虛擬仿真乃至沉浸式內容創作，這都意味著全新的可能性。接下來，能否吸引更多參與者、形成開放生態、找到清晰的落地場景，將決定這條賽道是短暫回溫，還是真正走向繁榮。

這場世界模型的比賽，才剛剛鳴槍。