AI生成内容的能力正在从静态图片和视频，向可实时交互的虚拟环境发展。用户不仅可以生成一个场景，还能在场景中进行操作，并根据需要调整环境和物体状态。
10月27日，Google DeepMind发布了 Genie 4，展示了AI生成可交互虚拟世界的技术能力。与传统的视频生成不同，这类技术不仅需要生成画面，还需要根据用户的操作，持续更新场景内容，并处理物体运动、环境变化等信息。用户可以通过文字指令创建虚拟场景，在场景运行过程中调整天气、添加物体或改变环境，同时获得相应的环境声音和人物对话。
从技术角度看，生成可交互环境对AI提出了更高的要求。普通视频生成主要关注画面的连续性和内容表现，而交互式环境还需要考虑用户输入、物体位置、运动状态以及前后画面之间的一致性。例如，用户移动一个物体后，系统需要继续生成与新位置相符的画面；当环境发生变化时，场景中的其他元素也需要作出合理响应。这意味着模型不仅要生成视觉内容，还需要在连续运行过程中维持一定的空间关系和状态信息。
这项技术未来可能应用于多个领域。在游戏开发中，开发者可以通过文字快速创建场景，减少部分美术制作和环境搭建工作；在机器人训练中，研究人员可以生成不同的虚拟环境，让机器人在模拟条件下学习识别物体、规划路线和执行任务；在影视制作和虚拟仿真中，相关技术也有望用于场景预演、环境测试和交互式内容制作。
不过，可交互虚拟环境距离稳定的实际应用仍有一定差距。根据目前的研究方向，这类模型仍需要解决长时间运行时的场景一致性、物体状态保持和复杂交互响应等问题。如果用户连续进行多次操作，系统能否准确保留此前的场景变化，仍然是重要的技术考验。
