蓝鲸新闻 9 月 19 日讯（记者 武静静）在生成式 AI 的叙事参加深水区后，业界的焦点徐徐从文本和图像生成转向"宇宙模子"。与传统的内容生成不同，宇宙模子试图让 AI 对确切的物理环境有更竣工的交融与瞻望才调，它不仅回话"看到的宇宙长什么方法"，还要回话"接下下宇宙中会发生什么"。

生成式 AI 的下一轮竞争中，"宇宙模子"正在成为各方押注的中枢标的。最近，李飞飞讲授团队创立的公司 World Labs 发布了全新址品 Marble，这是一款基于图像到 3D 生成技艺的升级版器具，强调在空间结构和几何一致性上的打破。与此同期，此前，谷歌 DeepMind 发布了其宇宙模子名堂 Genie 3，侧重交互和物理范例的推演。

图：Marble 生成的内容的一张截图，右上角为动态视频中的小舆图

天然，Marble 与谷歌 DeepMind 发布的 Genie 3 看上去都是宇宙模子，然则背后的技艺旅途和剖析则截然相背。

Marble 与 Genie 3，对宇宙模子不同技艺道路的施行

World Labs 建造于 2024 年 4 月，短短几个月就诱骗了硅谷顶级投资机构 a16z 和 Radical Ventures 的下注。老本的快速参加，实质上是对"空间智能"这一全新技艺标的的招供。

Marble 目下处于测试阶段，它的特色是不错通过一张图片或一句翰墨，生成一个竣工、可摆脱探索的三维凭空宇宙。生成的环境不会随时间祛除或出现形变，合座保捏高度的一致性和几何连贯性。用户参加后，不错像在游戏里一样用鼠标摆脱游览。

有创作家用 Marble 搭建了一个可导航的舞台，并在其中策动镜头和场景，就像拍摄电影一样。而 World Labs 方面则强调，Marble 不仅能生成范围更大、立场更丰富的环境，还能提供更明晰的三维几何细节。它更适合构建舞台、房间或遍及的天然景不雅，而不是单一的物体或扮装。

在 Marble 的官网上，依然有东说念主用它创造出魔幻的房屋、海底宇宙和丛林舆图，看起来颇有"头号玩家"式的千里浸感。创作家们还能对场景进行缩放、拼接和多代迭代，从而获得更复杂、更捏久的宇宙。岂论是动漫风、卡透风，如故像片级真是切画面，它都能撑捏，这让电影东说念主、游戏开垦者和数字艺术家都可能成为它的用户。

资深的 AI 哄骗用户 Jason 在躬行体验了一个月 Marble AI 后暗示，李飞飞讲授的团队聘请了一条与主流十足不同的旅途，去探索、"空间智能"。和 Genie3 这种强调交互、及时生成的视频模子不同，Marble 更关注空间结构自身的合感性与干系性。

他提到，Marble 不是及时生成的，但不错被及时探索。他用 plus 版粗略极度钟就能生成一个竣工的空间环境，内部不错前进、探索，具备物理空间结构，而不单是是视频帧或深度贴图。

不外，由于如故早期版块，Marble 生成的只是一个"宇宙空间的壳"，画面精度有限，局部否认，也缺少光影变化或物理表象的交互。他强调，这并不是全球口中常说的"宇宙模子"，因为智能更多体当今生成进程中，而非交互神态。

"它谈不上颠覆，但照实展示了另一种可能性。" Jason 说。他觉得，Marble 最大的价值在于从空间维度去探索宇宙生成，在空间合感性和物理干系上开了一个新口子。

与 Marble 强调空间几何不同，谷歌 DeepMind 推出的 Genie 3 代表了另一种逻辑：它暄和的是"空间里正在发生什么"。

Genie 3 不错通过文本提醒生成动态环境，并以每秒 24 帧、720p 的折柳率运行数分钟。它的特有之处在于，不依赖算作标签，而是通过视频历练推测潜在的交互逻辑。举例，给它一张游戏截图或一幅洋火东说念主草图，它能自动推测出谁是玩家扮装，哪些元素不错卓越、迁移或互动。这让 Genie 3 更像一个"交互物理模拟器"，而非几何建模器具。

换句话说，要是 Marble 是"舞台背景师"，Genie 3 等于"规定设定者"。前者提供一个传神的空间容器，后者让容器内的扮装与事件信得过"活起来"。

一位 AI 范围资深投资东说念主告诉蓝鲸科技，一个信得过竣工的凭空宇宙，需要两者联接：既要有褂讪连贯的空间，也要有动态交互的逻辑。要是说 Marble 提供的是"耳闻不如目见"真是切感，Genie 3 代表的则是"推己及人"的互动感。

Marble 背后有 a16z 这么的科技长期目标者，他们敬重的是空间智能可能带来的平台化契机——以前省略不错成为下一代凭空环境构建器具。Genie 3 的意旨则在于强化谷歌活着界模子上的前沿地位，借此股东具身智能和通用 AI 的看管。两家机构背后的发心不同，旅途聘请也不同，

不外他觉得，从交易化角度来看，Marble 的短期旅途更明晰，径直面向内容坐褥行业。而 Genie 3 则更偏科研和前沿探索，距离可范围化哄骗还有一定距离。

宇宙模子的产业化旅途

与硅谷的探索不同，中国创业公司正在尝试让宇宙模子快速落地。极佳科技等于其中的代表。极佳科技团队曾在自动驾驶仿真范围积聚多年，匡助多家车企构建凭空测试环境。公司客岁运转转向具身智能范围。他们发布了基于宇宙模子历练的 VLA（视觉 - 话语 - 算作模子）—— GigaBrain，其宇宙模子平台 GigaWorld 也将在近期上线，提供更盛开的仿真环境。

极佳科技皆集独创东说念主朱政指出，不同范围对"宇宙模子"的界说各别很大：在 计算机视觉（CV） 范围，看管者更关详实频生成与画面一致性；在 强化学习（RL） 范围，要点是为 agent 提供一个富有传神的环境，以便进行为作决议；在 具身智能 标的，则强调如何让机器东说念主通过宇宙模子交融环境、施行任务。

"岂论哪种界说，中枢价值都在于瞻望以前。"他阐发说，"给定一个算作序列，宇宙模子需要告诉咱们环境会如何变化。这种瞻望才调不错哄骗于文生视频、自动驾驶，也不错体当今机器东说念主算作策动中。"

在他的策动中，宇宙模子的产业化大致资格三个阶段：数据生成阶段：用宇宙模子扩张历练数据，镌汰确切收罗成本；仿真阶段：为智能体提供闭环仿真环境，进步历炼就果；智能进化阶段：最终成为下一代 VLA，具备推理与行为才调，成为通用智能的中枢。

比较谷歌等大厂的科研导向，中国创业公司的上风在于"濒临场景"。自动驾驶、工业仿真、VR 内容坐褥，这些哄骗都有明确的阛阓需求。宇宙模子不错在这些场景中径直施展价值，从而更快地酿成交易闭环。

不外，挑战不异存在，生成和历练宇宙模子需要极大算力，创业公司难以长期孤独承担；此外，目下行业对宇宙模子莫得合伙圭臬，不同技艺道路之间缺少可比性。

kaiyun官方网站