Google Project Genie：解析 Genie 3 发布与用户反馈

Google 正式发布了一款研究原型，尝试将生成式 AI 转化为可玩的交互环境。Google Project Genie基于全新的 Genie 3 基础模型构建，目前已面向部分订阅用户开放。 它的愿景非常宏大：将一段文本提示或一张图像转化为一个无限的、可交互的世界。

然而，现实情况是令人惊叹的技术与令人沮丧的可用性并存。早期采用者发现，虽然图像生成效果扎实，但“游戏体验”却面临输入延迟和会话时长限制等根本性问题。这并不是传统意义上的游戏引擎；它是一个视频预测模型，试图猜测下一步会发生什么。

用户体验：野外实测 Google Project Genie

我们从用户体验开始谈起，因为这是最关键的信息所在。如果你计划仅仅为了尝试这个功能而订阅 Google AI Ultra，你需要了解它的实际操作感受。

早期测试者的普遍共识是：Google Project Genie 的运行方式与其说像电子游戏，不如说更像是一个梦境模拟器——视觉效果不断演变，物理规律失效，控制感也显得脱节。

Google Project Genie 的性能问题：输入滞后与延迟

关于 Google Project Genie 最普遍的抱怨是输入延迟。社交平台上的几位用户描述称，如果你期待的是标准游戏的响应速度，那么这种体验简直是“无法游玩”的。

该系统以约 24 帧每秒 (fps) 的帧率和 720p 的分辨率运行。在现代游戏术语中，24fps 已经很低了，但由于模型的特性，问题变得更加复杂。当你按下跳跃键时，AI 并不是在执行一行 `player.y += 10` 的代码；相反，它将你的按键操作作为一个 token，参考前一帧，然后生成一张预测跳跃动作的 新图像。

这个过程需要巨大的计算能力。结果就是从按下按键到屏幕上看到动作之间存在延迟。用户将其与云游戏进行了对比，并给出了差评，指出这里的延迟明显更高。有时，控制会完全失效，导致玩家只能看着摄像机平移，而无法控制角色。

物体恒存性与视觉一致性挑战

另一个障碍是 Google Project Genie是连贯性。在标准游戏引擎中，墙是一个具有碰撞数据的实体对象。而在 Genie 3 中，墙只是一组 AI 认为看起来像墙的像素簇。

反馈表明，LLM 中常见的“幻觉”问题在这里也同样普遍。

• 消失的轨迹：在竞速或滚动场景中（例如 "Rollerball" 演示），轮胎印或喷漆痕迹在生成几秒后就会消失。

• 环境变形：赛道可能会莫名其妙地变成草地，因为模型丢失了“道路”概念的上下文。

• 物理故障：水面没有水花；角色会穿模掉进地板。

AI 正在实时梦境化物理效果，这导致了一种超现实且脱节的体验，而非扎实的真实感。

技术解读：为什么 Google Project Genie 不是游戏引擎

要理解延迟存在的原因，我们必须审视其架构。Google Project Genie 是一个视频预测模型。这是 Google DeepMind 强调的一个关键区别，尽管这一点可能会在营销炒作中被忽视。

Genie 3 如何使用视频预测模型

传统游戏使用多边形、纹理和逻辑脚本。Google Project Genie 使用的是像素和概率。Genie 3模型是在海量的互联网视频数据集上训练而成的。它通过观看数百万小时的素材，学习了物体是如何运动的。

当你与系统交互时，你并不是在 3D 空间中移动角色。本质上，你是在向 AI 提供一个提示，例如“我正在按向右键”，而 AI 则根据在类似视频中按下“右”键时可能发生的情况，生成视频的下一帧。

这解释了用户注意到的特定视觉风格。该模型可以准确地复制诸如 Super Mario 或 Metroid 之类游戏的风格，因为它很可能已经“观看”过这些游戏的素材。即使它不理解游戏规则，也能完美地捕捉到其美学特征。

渲染与预测的区别

这种技术方法正是 Google Project Genie 难以成为真正的“游戏”的原因。它缺乏游戏状态。

• 渲染 (游戏)： 由 GPU 计算。精确、快速。

• 预测 (Genie)： 由 TPU/GPU 推理像素。高计算量。概率性。

为了让 Google Project Genie 顺畅运行，它预测帧的速度必须快到肉眼察觉不到延迟。目前，该技术尚无法实现消费级的实时交互，因此存在 24fps 的上限和输入延迟。

Google Project Genie 的功能与局限性

除了核心性能外，当前的 prototype 还存在结构性限制。这些很可能是为了控制服务器成本和安全性而设置的严格限制。

60 秒时间限制

也许最严格的限制是硬性的时间限制。每一次 Google Project Genie 会话都被限制在 60 秒内。

一旦计时归零，会话就会结束。你无法保存进度，无法在一个世界中探索一小时，也无法构建长期的叙事。这进一步印证了该项目尚处于“技术演示”阶段。

这种限制的存在可能有两个原因：

1. 上下文窗口漂移： 随着 AI 生成更多帧， 它可能会遗忘原始提示词或初始图像。60 秒的限制可以防止世界退化为完全的视觉噪点。

2. 计算成本：以 24fps 实时生成视频的成本极其昂贵。Google 正在限制每位用户的资源。

世界草绘与版权护栏

“世界草绘”功能是 Google Project Genie 的亮点所在。用户可以输入提示词或上传图片来定义世界。该系统支持：

• 第一人称和第三人称视角。

• 风格迁移（例如，“黏土动画风格”、“复古 8 位风格”）。

• 集成工具： 它使用的模型包括 Nano Banana Pro 在游戏开始前优化初始图像。

然而，用户注意到系统存在严格但标准不一的版权过滤。如果你尝试生成“Mario”，系统可能会以第三方权利为由进行拦截。然而，通用的提示词往往会生成在法律上具有差异，但在视觉上与著名的 Nintendo 角色几乎一模一样的角色。

访问权限与要求：Google AI Ultra

Google 目前尚未向公众发布此项目。它被定位为面向爱好者和开发者的实验性项目。

现在谁可以尝试 Google Project Genie？

访问权限仅限持有 Google AI Ultra 订阅的用户。此外，你必须居住在美国且年满 18 岁。

对于拥有访问权限的用户，建议将其视为创意工具而非游戏机。利用“World Remixing”功能来迭代视觉风格。Google 建议在点击“Jump In”按钮之前，先使用图像优化工具“预览”你的世界，以减少因生成失败带来的挫败感。

Outlook

Google Project Genie代表了生成式 AI 的重大进步，实现了从静态图像到交互式视频的跨越。然而，当前的迭代版本仍受其局限性所限。输入延迟、60 秒的时长限制以及缺乏物体持久性，使其目前还无法替代真正的游戏开发工具。

Google 将其视为通往通用人工智能（AGI）的路径——即教机器理解世界模型和物理规律——而非 Unreal Engine 的竞争对手。目前，它仍然是一个引人入胜但尚显笨拙的窗口，展示了 AI 未来可能生成娱乐内容的方式。

FAQ：关于 Project Genie 的常见问题

1. Google Project Genie 是一个可运行的游戏引擎吗？

不，它是一个视频预测模型。它不使用游戏代码或物理引擎；相反，它根据您的输入预测下一个像素帧，从而创建交互式视频而非真正的游戏。

2. 为什么 Google Project Genie 存在明显的延迟？

延迟的产生是因为 AI 必须实时生成高分辨率图像 对应你的每一个动作。这需要巨大的计算能力，导致其延迟高于传统的云游戏。

3. 我可以用 Google Project Genie 制作完整的游戏吗？

目前不行。该系统每次会话有 60 秒的硬性时间限制。你无法保存进度、记录分数，也无法构建持续时间超过一分钟的复杂关卡。

4. 我该如何访问 Google Project Genie？

你必须拥有 Google AI Ultra 订阅并居住在美国。它作为实验性原型通过 Google Labs 提供。

5. Google Project Genie 支持多人游戏吗？

不支持。目前的 Genie 3模型生成的是单人体验。世界是根据用户当时的输入专门生成的，目前无法在多个用户之间同步。

6. 我可以生成像 Mario 这样受版权保护的角色吗？

系统设有防止侵权的安全护栏。虽然它可以生成与著名游戏风格相似的内容，但直接请求受保护角色的行为通常会被拦截。

7. 生成世界的解析度和帧率是多少？

目前的原型运行在约 720p 解析度和每秒 24 帧。