Genie 3：AI生成不了完整游戏世界

上周，Google DeepMind 发布了其第三代视觉语言模型 Genie 3。一时间，全球游戏公司股价应声下跌。

引擎巨头 Unity 的股价一度暴跌超过 24%，顶级制作商 Take-Two、任天堂、CD Projekt Red 等公司也未能幸免。这一趋势甚至延续到了本周。

资本市场剧烈的反应背后，逻辑简单又粗暴：

既然模型能快速生成以假乱真且可交互的 3D 世界，任何人都能做出 AAA 级别的游戏。那些投入上亿美元、耗时十年打磨一款游戏/开发工具的公司，岂不都完蛋了？

乍一听上去，这个逻辑似乎无懈可击。但仔细思考，就会发现其中存在巨大的认知误区。

在我看来，这是典型的膝跳反应式恐慌，暴露了一个错误的认知：把视觉细节的生成，等同于完整世界的构建。

就像不是所有会画画的人都能成为建筑师一样，游戏开发的世界构建，远比这复杂得多。

Demo 只是 demo

Genie 3 的演示视频确实令人震撼。

给它一段文字、参考图、手绘图之类的，它确实能在令人难以置信的时间里，实时生成类似《GTA》《塞尔达传说》风格的场景。玩家可以在其中探索一段时间，扮演「游戏角色」在以假乱真的世界里游荡。

对于缺乏技术细节了解的旁观者而言，Genie 3 看起来确实像是「游戏开发的终结者」。

但 demo 只是 demo，甚至离游戏行业能够接受的「可游玩」或者「技术 demo」相去甚远。

Genie 3 本质上是一个自回归式的「帧生成」(frame generation) 模型。而 「帧生成」也不是什么新鲜玩意，在游戏和显卡技术行业早已存在。它的工作原理，简单来说，就是看着前几帧画面，猜测下一帧的像素排列，生成新的帧，循环往复。

关键在于，Genie 3 的帧生成是靠「猜」的，而非硬编程，没有可靠的逻辑计算。

在一个真实的游戏中，当玩家扔出一个铁球，游戏引擎利用经典物理公式来计算它的下落速度。当玩家打开手电筒然后在房间里乱跑，游戏引擎模拟「光线追踪」和被照物体的材质，来实时渲染光照的效果。

但 Genie 3 没有这些能力，它只是在观察了数以千万记的视频片段之后，形成一个大概的「感受」，猜测物体在掉下去的时候可能会加速，光会在物体的身后打出一个影子。

Genie 3 「猜」出来的这些效果，并不真实。而在游戏世界里，不真实会严重破坏沉浸感。

缺乏确定性：记忆的短板

Genie 3 有个致命短板：缺乏长期一致性。它的记忆窗口（在目前的 demo 版本）只有最多 1 分钟。一旦超过这个时间，Genie 3 可能就会开始遗忘初始场景，世界结构随之崩溃。

与之相对，传统游戏能够保存确定性的状态。世界的构成，每一个素材都刻写在游戏文件里，游玩上百小时后的每一草一木依旧如故（除非碰到像《荒野大镖客2》这样的特例）。

你能接受在一个游戏里，同一个地方每次去都不太一样，甚至刚一回头就变了样吗？

精雕细琢才有「生命感」

说到游戏世界的构建，《荒野大镖客 2》(RDR2) 是个绕不开的标杆。

这款开放世界大作的研发数据令人咋舌：主创 Dan Houser 透露，RDR2 的开发周期长达 8 年，团队上千人……

RDR2 的开发周期、团队规模以及细节还原度，共同造就了它令人着迷的游戏世界。

AI 生成不了 IP——最多只会抄袭

另一个不得不提的本质问题：玩家玩游戏，到底热爱的是什么？

答案很多时候除了游戏（剧情、机制设定等）本身，还有游戏的 IP。

IP 的价值，远超出单一作品本身。

以任天堂为例，马力欧这个 IP 诞生于 1985 年……

AI 是画笔，人才是画家

这些道理，当然不需要专门写一篇文章来讲。任何对游戏有审美的人，都应该明白。

所以我相信，片刻的认知偏差和恐慌肯定会过去。优秀的游戏开发者会获得与他们的作品质量、实力和创造力所匹配的市场公允价值。