Genie3物理效果

这是谷歌刚刚上线的 project jenny， 玩法超级简单，随手拍一张你家猫主子或者客厅的照片上传，输入环境描述，再定义一下主角，下一秒 boom， 你 的照片活了！静态图片直接变成了一个可交互的三 d 世界。你可以操控这只猫在家里跑酷、探索，甚至连家里的仓鼠、壁虎都能变成游戏主角。 这可不是普通的视频生成，这背后是谷歌最硬核的全明星阵容，由 genie、 three、 nano、 banana pro 加上最强的 gemini 模型共同驱动。 它不是在生成画面，而是在实时理解物理规律，为你凭空造梦。你的相册就是你的游戏库。目前这还是一个网页应用原型，想抢先体验未来的朋友，网址我放评论区了，关注我，带你第一时间玩转最新 ai 黑科技！

二零二五年八月五日，谷歌 deepmind 甩出一张王炸， jennie 三横空出世，瞬间在 ai 圈掀起惊涛骇浪。这款世界模型宛如一位拥有神力的造物主，只需你输入一句简单的文本提示，比如火星无名地 眨眼间就能生成一个栩栩如生的交互式三 d 世界。 jennie 三的分辨率高达七百二十 p， 画面清晰的如同亲眼所见。更令人惊叹的是，它的物理模拟能力实现了重大突破。水流不再是简单的线条，而是能真实的流淌、飞溅。 光照也不再是单调的平面，而是能根据环境变化产生明暗对比，营造出逼真的光影效果。这种对物理世界的深度理解和模拟，让深沉的虚拟环境仿佛有了生命一般。从技术层面看， gini 三是首个支持实时交互的通用世界模型， 能以每秒二十四帧的速度深沉长达数分钟的动态环境，还具备持久视觉记忆能力，场景细节能精确保留，这一特性让他在自动驾驶训练、机器人及具身智能领域有着巨大的应用潜力。 能高效、低成本、低深沉大量训练场景。 gini 三的出现被视为迈向通用人工智能 agi 的 关键一步，它让 ai 从看懂世界迈向了操控世界的新阶段。然而，我们也要清醒地认识到， gini 三目前仍面临计算资源消耗大、 商用成本高昂的挑战。但无论如何，珍妮三已经为我们打开了一扇通往未来世界的大门。在这个充满无限可能的时代，我们既要勇敢地拥抱科技变化，也要谨慎地应对潜在风险，让 ai 真正成为人类进步的强大助力。

这是谷歌最近上线的 project journey， 你 可以随便导入一张图片，再简单描述环境、角色，就能生成一个可以随便走、随便看的可交互三 d 世界。你可以用键盘控制角色，随便走动，切换视角画面，还会跟随你的指令边走边生成三 d 世界。 更离谱的是，它可以理解物理世界，雪球滚过的地方会留下痕迹，撞到物体甚至还会有反馈，环境还能长期保持一致性。缺点是目前单次只能生成六十秒。 试想一下，当普通人用一句话、一张土就能生成有趣、能进行交互的三 d 世界，那传统的游戏引擎和影视也就迎来了属于他们的 g p d 时刻。 ai 有 料到，我们下次见！

哈喽，皮大哥，今天我来科普一下谷歌讲你三，它实现的体验非常简单，你可以在这里编辑这样的提示词，第一个是针对客户环境，第二个是针对角色本身。你可以领他的第一人称或者第三人称。他的算法会使用的 nano banana pro， 他 会先用个处的图像让我们发送提示词，让 gps 评分更大， 好，看起来不错。然后你点击创建世界，你也可以上传自己的图片。这身临其境的体验感真的很棒，尤其是当我们拿着 gps 导航旋转时，结果设备屏幕的地图竟然也跟着了视角精准旋转。 谷歌的开发人员表示，他们从来没有教过模型这些东西，这是 ai 自己从海量数据中自行领悟的物体法则，后续如果支配的 v 二十，背后的体验感应该更猛。我们就像作物主一样，我们所要做的就是给出一句提示词。当然，如果趁着内容没有达到预期，我们也可以重新操作一次。 在体验结束后，我们可以获得一分钟的视频，你只需要点击此按钮就可以下载它。今天的完美交互感觉就稍微低一点，这次的结束就到这，记得点赞关注，大家下次见。

昨天晚上我刚用苹果的 app 实现了一张照片，生成了一个三维的世界场景的功能，结果谷歌昨天晚上的时候，就是 在我发布那条视频的时候，他又更新了一个他们的加密三，他把它放出来了，就是用户可以通过提示词，现在就是生成一个三维的场景。现在用户还可以通过拍一张照片，很简单的一张照片，就像图中这样的一张 很简单的照片，他就能生成一个可以交互有物理效，有一些简单物理效果的一个三维场景。可以看到一张照片上传上去，然后创造一个写一个提示词，然后他就能有一个小人在这个三维空间里跑飞，还有这个小猫，拍了一张这个猫的照片， 他就可以在这个空间里进行行走、奔跑、跳跃之类的一些功能。啊，我昨天的时候就想做这样的功能，因为现在苹果的那个 app 的 那个功能现在还不够完美。你看现在谷歌已经可以上传一张自己的照片，然后他就能生成一个这样的一个虚拟世界，还能从这个虚拟世界里走， 嗯，这是我想要的东西，但是他目前没有开源，只有 ultra 的 用户才能体验。所以说我，哎呀，昨天刚想做这个东西，就被他抢先做出来了，所以我想想吧，我还继续做吗？嗯，这东西我觉着很酷。

谷歌昨天发布的这个君临山，说实话有点炸裂啊，你只需要用这样元素一句话，他就能给你构建一个全新的宇宙，你可以在这个属于你的宇宙里面行走、飞行，甚至你在探索的过程中，可以随时改变里面的元素。而且重点的是，这不是视频生成，这是可以创造无限可能的视 建模型。现在已经有很多的大神开始用君临山玩出花来了，比如说用一句提示词，直接做出了类似于赛尔达传说的开放世界，而且你真的可以操控角色。你注意看这个流畅度，这并不是提前算好的画面，而是你在往前走的过程中，这个世界才逐步深沉的， 甚至已经有人开始用它来复刻 gta 这个级别的城市世界，你可以在这个城市里飞车、跳伞，做各种你想做的事，这也算是抢先发布了 ai 版的 gta 六。说到这里，其实有一个特别关键的点，人工智能真正重要的 从来不是画面，而是它能不能和人产生真实的交互。你可以随手拍一下身边的物品，然后再次进入一个可以被你操控，被你影响的世界里面。更有趣的是，你甚至可以拍下你的宠物，让它成为你游戏里面的主角， 你们一起去探索一个未知的世界，只要你脑洞够大，你就是你所创造出来的宇宙的主宰。那问题来了，谷歌为什么要做世界模型呢？答案只有一个，就是 agi。 因为通用人工智能最需要的不是理解语言，而是真实世界是怎么运行的。 这里三不是一个视频生成器，他正在学习的是物体是怎么碰撞的，角色是怎么移动的，一个世界如何在时间里 持续的成立。这些支持的学习对机器人或者自动驾驶来说意义非凡。但现在的军旅商还是很早期，画面只有七二零 p， 每次体验大概只有一分钟。物理规则呢，也会偶尔翻车。但有一件事已经非常清晰了，世界模型这条路才刚刚开始。 ai 的 下半场不再是深层内容，而是深层，并遵循真实世界的逻辑。如果算列继续下降，时间持续拉长，也许有一天，你的一句话真的就是整个宇宙的起点。你觉得这是噱头还是 agi 的 未来已经在敲门了？评论区里我们讨论一下。 ok， 以上就是今天的所有内容，我们下期再见。

各位变天了，公告发的这个珍妮三，让我第一次觉得咱们手里的 solo 瞬间不香了。为什么？因为视频只能看，而这东西能进。简单说，他把你的一句话，一张草图，直接算成了一个有物理碰撞、能跑能跳的游戏世界。你看这只兔子，它会左右摇晃，会立定跳远，踩到水会有连衣。 这不是只有画面的视频，这是只有上帝才能写的物理法则。你要做的仅仅是按下键盘上的 w a s d， 那 这东西对你有啥用啊？ 我总结了三点，很实在。第一，设计师的神器，不用学建模，画张草图，甲方直接就能进去逛一圈，比看图直观一万倍。 第二，带娃的魔法，孩子画了怪兽，你把它变成活的，让它自己操作，这哪怕是给孩子吹牛，都是顶级素材。第三，成年人的发泄污，心情不好， 生成一个可以随便破坏的房间，进去砸个稀巴烂。在这个世界，你是规则的主。我们总说要摆脱打工人心态，什么是打工人心态？就是被动执行， 而基尼给你的是主动权。从今天起，不管是做梦还是做方案，别光想把它造出来进去玩，这可能是我们这代人离造物主最近的一次。我是设计师妍妍，关注我，带你用 ai 创造属于自己的世界！

ai 界又出了个大巨头，震惊！谷歌刚刚发布了三 d 世界模型创作工具 project genie， 操作也非常简单，只要上传一张图像，输入环境描述，再定义一下主角，下一秒人物就在画面里活了过来，并且是可交互的。有了它，自己一个人做游戏完全不是梦。 而新你再不出 g t a 六，咱们玩家可就自己做出来了。并且机密三的潜在用途远不止于游戏。机密三逼真的可控环境有望为人们提供全新的学习方式，让学生探索古罗马等历史时期。这些模拟环境还可以在完全安全的环境下，用于在真实场景中训练自动驾驶车辆。 从静态像素到动态现实， project genie 不 仅仅是在生成内容，它还在人类想象力和可操作的物理流行之间搭建桥梁。

忘掉图像生成和视频生成吧！ google 刚刚发布了可游玩的现实，今天我们要看的是 google d mind 的 最新杰作 jenny three。 这不仅是一个模型，它是一个能根据你的文字描述，凭空创造出可交互三 d 世界的创世神。创作过程简单的令人发指。你只需要提供 两组提示词，一个定义环境，一个定义角色。点击生成， gini 三就会为你构建一个长达六十秒交互式模拟器。最离谱的是，即使是在虚拟世界里， p p s。 屏幕也会随着你的转动及时同步画面。这种涌现出的物理模型让人头皮。 gini 三最神奇的功能莫过于录入照片，你可以上传一张二一照片，它能瞬间将其扩充为三 d 空间。视频中，博主甚至进入了一张科技博主合影。虽然脸部细节偶尔是真，但那种走入回忆的感 觉是前所未有的。甚至你还能在生成的虚拟电脑上操作 zoom 通话，实时结合到极致对话 d my 团队后，我们得知 gini 三的野心远不止于此。 他未来将应用于游戏开发的原型设计、电影拍摄的虚拟勘探，甚至是教育领域的灾难模拟。虽然目前仅限 out 用户体验，且单次时长为六十秒，但这已经是通往无限虚拟现实的第一步。

这两天，真正让 vr 圈坐不住的不是又一个视频模型，而是谷歌正式放出珍妮三，一个能实时生成，还能让你走进去的世界模型。一句话说清楚它牛在哪儿。珍妮三不生成视频，它生成世界，你输入环境和角色设定，回车之后出现的不是成片，而是一个三维空间。按下 w， 你 会往前走， 反动视角，左边和右边的场景实时补全，光影遮挡、反射同步变化。这不是播放，而是边走边算。这也是帧进三最恐怖的地方。在复杂建筑、快速移动、顶尖城市这些 ai 最容易翻车的场景下，它没有明显穿模，没有结构塌陷，说明一件事，它不是内部像素，而是空间和物理关系。 很多人说，这不就是可互动视频吗？不对，视频没有选择权。帧进三的世界，你可以偏好绕路贴墙走，系统会持续为你生成合理的下一步现实。当然，现在它还很早期，分辨率大约七百二十， p 个世界只能存在六十秒，而且需要谷歌权限，稳定性还不完美。但新世界的大门已经打开， ai 正在从模仿画面跨界理解规则。 以前他像画师，现在更像建筑师，甚至物理学家。这意味着，未来做游戏不一定先写代码，做虚拟空间不一定先建模。你只需要一句话， ai 就 能及时生成一个可探索的世界。真理三的诞生，值得铭记，世界模型已经从概念走进了现实。

就在昨天，谷歌公司又推出一个让科技圈直接炸锅的东西，这个项目的名称叫 jenny， 我 看到很多人看完之后都惊呼说，这可能真的是世界模型的开端了。 其实在此之前啊，我们都知道 ai 已经可以生成视频了，但是之前的视频生成 ai 只是局限在我们给他一段话，他能够生成一段画面，但是这个项目 jenny 不 一样，他生成的不是一段固定的，我们只能看的视频，他生成的是一个可以交互的三 d 的 世界。 给大家举个例子你就明白了。比如你随手用手机拍一张你们家猫咪在院子里的照片，几秒钟之后呢，这一张静态的照片就火了起来，它能够从一张普通的图片直接变成一个可以走动，可以探索，可以去交互的三 d 世界。 你甚至可以用鼠标来操控这个物体，在这个三维的世界里面到处走，到处看，好像就像玩一个小游戏一样。那么很多人可能还是会问，这个东西跟普通的 ai 视频生成到底有什么区别？其实关键就在于一句话，那就是这个东西它已经开始去理解这个场景背后的物理规则了。 比如这个系统知道东西碰到墙面是会反弹的，而且他不会穿墙而过，他也知道人和动物走到悬崖边会掉下去。他还知道如果你在桌子上去推开水杯，水杯会从桌子上跌落，他也知道物体之间会碰撞，但是呢，不会互相的穿透。 也就是说这个项目 jenny 呢，它懂得基本的物理规律，它是在构建一个由规则支撑的世界，而不是像原来一样简单的去堆像素，堆画面。这个东西之所以这么厉害，主要是因为它背后的技术阵容非常的强大。 那么除了这个 jenny 世界模型之外呢？它还包含了之前我给大家介绍过的，也是谷歌非常强大的 ai 大 语言模型 jimmy 奶。 所以这三个技术组合起来做的就不只是图像生成了，而是在理解场景，理解物体之间的交互关系，以及理解背后的物理逻辑， 所以大家才会把这个东西称之为世界模型。这次听起来好像真的不像是一个噱头了。不知道大家意识到没有，这个技术未来影响的不只是视频生成领域了，它还会冲击整个虚拟世界，游戏开发、仿真训练、教育系统，甚至所谓的原宇宙的底层逻辑都会被改写。 当 ai 不 只是生成画面，而是开始理解规则，模拟物理，构建可交互空间的时候，他迈的这一步其实已经不只是简单的技术升级了。说实话，未来会变成什么样，真的不敢想啊！点击头像关注我，我会持续在这里和大家分享世界前沿的科技和教育。

昨天，足易载入游戏史册，游戏引擎 unity 股价暴跌百分之二十四，创二零二二年以来单日最大跌幅。 gta 的 开发商 take two 也暴跌百分之十，原因就是 google 发布最新的 ai 模型 gni 三，它让做游戏变得像说话一样简单描述一个世界，它就时时生成一个你可以走进去， 在里面跑跳的互动世界。有人用它生成了塞尔达，有人几分钟生成了一个 gta。 资本市场恐慌的核心是，当创造世界的门槛崩塌，那么曾经垄断这个门槛的工具价值何在？这不是替代，而是一场彻底的重构。云梯体暴跌，不是因为 ai 今天就能做出元神，而是因为它的核心蓄势被动摇了。 云梯的估值建立在做游戏很难需要专业引擎这个共识上。而 jennie 三用一个生动的演示向所有人宣告，以后可能不需要这样了， 这就够了，资本看的永远是未来预期的折现。未来的游戏开发者不再需要写文案、写代码、画美术，一个好的创意就能做出一款好游戏，现在这些游戏公司可能都不会存在了。

物理引擎的时代可能要结束了。谷歌刚发布的 project genie， 三月费两百四十九点九九美元，别被这个价格吓到。这绝不是一个昂贵的视频生成器，它是人类历史上第一个商业化的自回归世界模型。 消息一出，视频游戏制作公司 unity 股价一度跌幅百分之二十五。为什么谷歌这么恐怖？因为他卖的不是视觉，是物理 ai 的 底层逻辑。为什么说他是革命性的？因为他彻底抛弃了人类写的物理代码。真理三，放弃了传统 l l m 预测单词的路线，转而预测下一个物理状态。 他通过无监督学习，自发理解了重力和碰撞。在他生成的七二零 p 空间里， ai 不 再只是在画世界，它是在每一真理实时演算。物理法则头、领奖大神央拉克朗曾断言，靠 l l m 预测下一个词永远无法实现 a g i， 因为语言只是文明的影子。而 jenny 正是拉坤梦寐以求的 warhol model 世界模型，它解决了 ai 最致命的幻觉问题， 他引入了视觉持久性，你推到一堵墙绕一圈回来，砖头依然碎在原地。 ai 终于开始像人类一样，具备了对物理现实的常识和敬畏。站在硅谷看，中美模型的路线分歧已经摊牌了，我们在疯狂卷审美和画质 追求的是视觉消费，而谷歌在死磕因果和逻辑，追求的是生产力革命。谷歌之所以领先，是靠自研 tpu 算力和 deep might 二十年的强化学习机电。他在为马斯克的 optimus 机器人 打造一个零成本的进化实验室。两百五十美金月费的背后，是谷歌对物理世界的傲慢与偏见。当虚拟世界的生成成本降到零，真实世界的独特性该如何定义？ 这不是取悦大众的玩具，这是人类在数字维度重启文明的物理底座。如果你拥有这一分钟的创世权，你会如何改写这个世界的运行法则？我是赵博，欢迎点赞关注评论区，谈谈你对这个世界大模型的看法。