00:00:00就在上周，谷歌发布了他们的旗舰级无限世界模型 Genie 3，在这个模型中
00:00:05你可以模拟一个环境，并像在真实的电子游戏中一样与之互动。
00:00:10突然间，所有电子游戏公司的股票都因为恐惧而暴跌，人们担心这可能
00:00:16标志着电子游戏行业终结的开始。
00:00:20接着，更耐人寻味的事情发生了。
00:00:22一家名为“睿步”的中国科技公司发布了他们自己的开源版 Genie 竞品，
00:00:28其画质表现似乎比谷歌的还要出色。
00:00:32一时间，闸门大开，各大公司纷纷展开竞赛，
00:00:37争夺谁能率先用这种全新的游戏技术取代传统电子游戏。
00:00:43但就在大家都在热炒这种无限世界模型狂潮时，我得告诉各位，这
00:00:49可能只是一个没有实质内容的虚假承诺。
00:00:54为什么我如此肯定？
00:00:55这就是我们今天视频要聊的话题。
00:01:02Genie 3 一发布，我就冲到网站想亲身体验一下。
00:01:07但当我点击“探索”按钮时，跳出来的却是令人失望的 404 页面。
00:01:14那是由于我住在加拿大。
00:01:16目前，谷歌只允许美国公民试用
00:01:20这项顶尖的技术奇迹。
00:01:23所以，我理所当然地开启了 VPN，尝试从美国地址再次访问。
00:01:27这次我收到了另一个令人沮丧的拒绝，理由是我必须成为 Ultra 计划
00:01:33会员才能访问这款革命性的软件。
00:01:37如果你好奇 Ultra 计划要多少钱，这么说吧，为了试用一个
00:01:41过度炒作的 AI 工具，这个价格超出了我的承受范围。
00:01:46但这就引出了一个问题：为什么 Genie 3 这么难上手？
00:01:51这个问题的答案对我们的故事至关重要，但我稍后
00:01:56会在视频中详细说明。
00:01:57虽然我没运气也没闲钱去试用 Genie 3，但好在
00:02:04在地球的另一端，一家名为“睿步”的中国公司——它似乎是
00:02:09蚂蚁集团的子公司，而蚂蚁集团又是阿里巴巴的关联公司，
00:02:15也就是拥有通义千问的那家公司——推出了他们自己的无限世界模型，
00:02:20名为 Lingbot World，令人惊喜的是，它是开源的。
00:02:25这意味着我们真的可以测试并看看它到底有多大本事。
00:02:29看了他们的案例，效果简直惊艳。
00:02:32但当我开始研究项目页面时，我又遇到了巨大的失望。
00:02:38虽然他们的项目页面充满了可以用方向键随意走动的
00:02:43示例视频，但实际上，这个包含完整角色
00:02:48控制权的模型版本仍在开发中。
00:02:51他们计划发布 Lingbot Fast，那才是 Genie 3 的完整对标产品，但
00:02:56我们还不知道什么时候发布。
00:02:57目前，我们能接触到的是他们的 140 亿参数基础模型，它提供
00:03:03所谓的“高保真、可控且逻辑一致的模拟”。
00:03:08但基本上，这个模型目前唯一能做的就是生成一段视频。
00:03:14没错，仅仅是视频。
00:03:16所以我有点困惑，所谓的“控制因素”体现在哪里？
00:03:20好吧，他们确实提供了输入自定义相机内参值的选项，所以你
00:03:25在某种程度上可以控制相机移动，我想这算是用方向键导航之外的
00:03:31另一种选择，但你必须预先录制好。
00:03:35那这和市面上其他同样能控制
00:03:40相机移动的视频生成器有什么区别呢？
00:03:41关键区别在于此。
00:03:44在普通的 AI 视频生成器中，模型总是试图根据当前参考视频预测下一帧，
00:03:50我们在很多网络鬼畜视频中都见过，一旦视频拉长，效果就会变得极其离谱，
00:03:55这是因为模型无法保留
00:04:00画面之外正在发生的信息。
00:04:04因此，如果相机移开物体后再移回来，该物体可能就不见了，
00:04:09因为整个场景都是即时生成的。
00:04:13这就是 Lingbot World 模型 140 亿参数的几何大脑发挥作用的地方。
00:04:18与只是猜测下一组像素的标准视频生成器不同，
00:04:19Lingbot World 利用相机内参数据和 6 自由度位姿
00:04:24将每个像素匹配到 3D 空间中的特定点。
00:04:31它创造了研究人员所说的“客体永久性”，
00:04:33因为它理解相机镜头与环境之间的数学关系。
00:04:39所以基本上，它能记住特定坐标处存在特定物体。
00:04:42这种结构完整性就是该模型规模巨大且极度消耗算力的原因。
00:04:47消耗有多大？
00:04:52噢天哪，让我来告诉你。
00:04:53我尝试在配备单张 RTX 1590 GPU 的实例上部署 Lingbot World 模型，
00:04:55并尝试运行他们提供的基础示例 Demo，结果立刻崩溃了。
00:05:02我以为单张 1590 就能处理这种负荷，真是太天真了。
00:05:07接着我尝试用双 1590 运行，不行，还是崩溃。
00:05:13然后我用了 4 张 1590，结果还是一样，崩溃。
00:05:18最后我开启了一个拥有 8 张 RTX 1590 的容器来运行基础 Demo 示例，
00:05:23结果它依然崩溃了。
00:05:31原因在于，当长时间运行这种无限世界模型时，
00:05:32模型必须存储的场景内存会不断膨胀，
00:05:38最终你会因为显存耗尽而收到 OOM 错误。
00:05:44不过，我确实在 8 GPU 配置上成功运行了 Demo，
00:05:49方法是将采样大小从默认的 70 降低到了 20。
00:05:50老实说，70 次采样和 20 次采样的区别并不明显。
00:05:55但这足以说明运行这种无限世界模型的计算成本是多么疯狂。
00:05:59回到 Genie 3，这正是他们只对 Ultra 会员开放的原因，
00:06:03因为他们必须想办法收回运行这玩意的 GPU 成本。
00:06:09这也是为什么每个 Demo 只有几秒钟的原因，因为
00:06:10内存会在某个点急剧膨胀，导致整个系统瘫痪。
00:06:16为了让你们了解在消费级硬件上运行这种模型有多贵，
00:06:21单张 RTX 1590 的售价高达 5,000 美元。
00:06:27而运行这玩意至少需要 8 张。
00:06:32天哪，光是说出来都觉得荒谬。
00:06:37总之，8 张显卡就要花掉 40,000 美元，更不用说
00:06:43其他零部件和目前价格飞涨的内存了。
00:06:48考虑到这个数字，加上 Genie 限制的 60 秒最大运行时间，
00:06:51以及内存膨胀问题，这正是为什么
00:06:57所谓的无限世界模型目前只是炒作，在现有的架构下，
00:07:01在消费级硬件上根本无法实现。
00:07:06甚至这两款工具的作者都承认了这些问题。
00:07:12高昂的推理成本目前需要企业级 GPU，
00:07:18这使得该技术在消费级硬件上无法触及。
00:07:24模拟缺乏长期稳定性。
00:07:28这通常会导致“环境漂移”，即场景在长时间运行后
00:07:34会逐渐失去结构完整性。
00:07:37没错。
00:07:39至少 Lingbot 团队对此很坦诚。
00:07:44让我们看看谷歌是怎么说的。
00:07:46“该模型可以支持几分钟的连续互动，而非数小时。”
00:07:48我的意思是，他们没有公开承认，但事到如今大家都心知肚明。
00:07:51所以我要告诉各位，传统电子游戏短时间内不会消失。
00:07:53目前这看起来更像是一个白日梦，也许，只是也许，在未来
00:07:59如果他们能解决这些计算难题，我们才可能开始考虑这件事。
00:08:04但现在？兄弟，省省吧。
00:08:09我也非常好奇 Lingbot Fast 最终发布时的表现。
00:08:15但在那之前，我不认为这项技术能很快进入主流视野。
00:08:20但如果你真的想亲自尝试 Lingbot World，这里有我的建议。
00:08:23别学我。
00:08:27别去堆 8 张 RTX 1590，因为在 RunPod 这样的平台上，
00:08:32这种配置每运行一小时就要烧掉 7 美元。
00:08:37相反，开一个单 H200 容器，每小时只需 3.5 美元，
00:08:38然后将 “nproc/node” 标志设置为 1，再把采样数降低到 50 甚至 20，
00:08:45你就可以跑起来了。
00:08:48你也可以使用由用户 Caelan Humphries 创建的 4 位量化版本，
00:08:55它在推理时能显著降低 GPU 显存消耗，同时保持
00:09:01相当的视觉质量。
00:09:02这样你技术上确实可以在单张 RTX 1590 上跑跑看。
00:09:08如果你试了，一定要告诉我结果如何。
00:09:13至于我自己，我在 H200 容器上运行了基础 Demo，
00:09:15基本上得到了和他们演示页面相同的结果。
00:09:19然后我生成了一张北欧海盗大战洛基的 AI 图片，并输入到
00:09:21同样的命令中。
00:09:28这就是我得到的结果。
00:09:30我想你可以看到模型在整个视频中是如何保持环境和城堡完整性的，
00:09:36但它还是会产生一些奇怪的伪影。
00:09:37所以老实说，我也不知道该怎么评价它。
00:09:39我很肯定我能用标准的 ComfyUI 工作流生成更好的游戏视频，
00:09:44顺便说一下，如果你有兴趣学习如何在没有沉重计算成本的情况下
00:09:48制作像 Sora 这样的视频生成器，去看看我之前做过的相关视频。
00:09:52好了，伙计们，这就是我对 Genie 3、所有这些炒作
00:09:59以及电子游戏未来的看法。
00:10:04我非常感谢 Lingbot 团队能够开源他们的模型，让我们能
00:10:09更深入地了解类似 Genie 的模型是如何运作的。
00:10:15不过这些只是我的一家之言。
00:10:16更重要的是，你们对这些无限世界模型有什么看法？
00:10:20我很想听听你们的想法，请在下方的评论区
00:10:25分享你的见解。
00:10:27朋友们，如果你觉得这个视频有用，请点个赞
00:10:30支持一下。
00:10:35也别忘了订阅我们的频道，收看更多此类视频。
00:10:36我是来自 Better Stack 的 Andris，我们下期视频再见。
00:10:40(轻快的音乐)
00:10:41And also don't forget to subscribe to our channel for more videos like this one.
00:10:45This has been Andris from Better Stack and I will see you in the next videos.
00:11:00(upbeat music)