Google DeepMind 發表 Genie 3：文字一打，就能走進 AI 生成的即時世界

Google DeepMind於2025年8月5日發表最新研究成果Genie 3，一款「通用世界模型」（world model）。與過去只能生成靜態圖片或固定長度短片的生成式AI不同，Genie 3的特點是：使用者只要輸入一段文字提示，系統就能即時生成一個可以「走進去」的動態互動環境——畫面會隨著使用者的移動與操作即時演算，就像在玩一款由AI即時生成的電玩遊戲。

根據官方部落格公布的規格，Genie 3生成的環境畫面更新率達到每秒24幀、解析度為720p，並且能在使用者持續探索的情況下，維持長達數分鐘的環境一致性——使用者往前走再回頭，先前經過的場景、物件擺放的位置仍然一致，不是每一幀都重新亂數生成。發表當時，這項功能優先開放給付費訂閱的Google AI Ultra用戶測試，尚未對一般大眾開放。

技術意義：從「生成畫面」到「生成一個世界」

過去一年多，生成式AI影片工具（如Sora、Veo等）解決的是「把文字變成一段影片」，本質上仍是線性、預先算好的內容，使用者只能被動觀看。Genie 3要解決的是完全不同層次的問題：即時互動性與空間一致性。這代表模型內部必須建立某種對「這個世界長什麼樣子」的持續性表徵（representation），而不只是逐幀預測畫面。這也是為什麼Google DeepMind將其定位為「世界模型」而非「影片生成模型」——它更接近遊戲引擎的角色，只是內容不是人工建模，而是AI即時生成。

與前代及業界的比較

Google DeepMind先前已有Genie 1、Genie 2等世界模型研究成果，但可互動的時間長度、畫面穩定度都遠不及此次發表的Genie 3。「數分鐘一致性」相較於過去世界模型普遍只能維持數秒到數十秒的穩定畫面，已是明顯的世代進步。業界普遍將世界模型視為通往更強大AI代理（agent）與具身智能（embodied AI）訓練環境的關鍵基礎設施——AI若要學會在真實世界中行動，先在低成本、可控的AI生成模擬環境中大量練習，會比直接在真實世界試錯更安全、更便宜。

對管理者而言，Genie 3目前仍是研究性質的技術展示，尚未成為可直接導入業務的工具，但值得留意的是：模擬訓練場景與虛擬空間體驗的製作成本，未來可能大幅下降。凡是仰賴實境模擬做員工訓練（如產線安全演練、飯店與觀光現場應對），或需要低成本打造虛擬展示空間（如電商展間、房地產預售案賞屋）的產業，都值得持續關注這類世界模型技術何時開放商用。