财经摆渡人

精研出品

破浪前行，共探财富新局

大家好欢迎收看【古今财鉴】

谷歌DeepMind刚推出的SIMA2，可能是游戏党等了多年的“神仙队友”。

它不搞游戏底层指令操控那套，纯靠看屏幕画面、用虚拟键盘鼠标操作，完完全全像人一样打游戏。

之前玩DOTA2、王者荣耀时，谁没被坑队友气到想卸载？SIMA2的出现，说不定真能解决这个老大难问题。

SIMA这名字看着复杂，全称是可扩展指令多世界智能体。

简单说，它就是个能在各种虚拟世界里，听懂指令还能自己琢磨事儿的智能体。

谷歌在AI领域的布局一直挺全面，从当年下围棋的AlphaGo，到破解蛋白质结构的AlphaFold，再到如今的Gemini大模型、Genie3世界模型，每一步都没落下。

个人觉得，SIMA2更像是这些技术积累的“集大成者”，不是凭空冒出来的产物。

一、从“听指令”到“会思考”，SIMA2的推理能力有多顶？

之前的SIMA1已经能执行600多种语言指令，比如拍梯子、打开地图这类基础操作。

但SIMA2直接升级了，把Gemini大模型当核心引擎，不光能听指令，还会自己推理。

之前的游戏AI顶多算“工具人”，SIMA2才有点“伙伴”那味儿。

在MineDojo这款它从没接触过的游戏里，SIMA2靠着推理就能完成任务。

DeepMind用人类演示视频、语言标签和Gemini生成的标签混合训练它，这思路和特斯拉FSD的端到端技术有点像。

本来想吐槽AI玩游戏肯定不如人，结果看了测试视频，发现自己想多了它不仅能响应提问，还能琢磨自己的行为和所处环境。

研究人员说和它互动像跟伙伴合作，这事儿其实挺颠覆的，相当于在游戏场景里过了一把“图灵测试”。

二、不止游戏，这波操作藏着通用AI的大野心

谷歌选游戏当训练场，可不是单纯为了讨好玩家。

虚拟3D环境复杂多变，还不用担现实风险，刚好适合练智能体的“通用能力”。

SIMA2的泛化能力是真出众，短期指令比如左转、爬梯子早就不在话下，现在还能打通完整游戏关卡。

更厉害的是，它能跨游戏用技能，A游戏里学会的挖掘，到B游戏里就能用来采集。

除了语言指令，它还能懂多模态提示。

你在画面画个路线草图，或者发个“+树木”的表情符号，它都能get到意思，屁颠颠去砍树。

配合Genie3生成的全新3D世界，它也能快速适应，毕竟这些世界虽然看着陌生，但物理规律是一致的。

最让人惊喜的是它的自我提升能力。

一开始跟着人类示范学，后来就能自主游戏继续进化，不用额外的人类数据。

初代没完成的任务，迭代几轮后就能搞定，全程没人干预。

这种自进化能力，才是通用AI该有的样子。

但它也不是完美的。

搞不清的是，明明技术已经这么强，为啥处理超长超复杂任务还会吃力？后来发现，这其实是整个行业的难题。

它的上下文记忆不长，精细操作和复杂3D场景理解也还有提升空间。

如此看来，SIMA2现在还只是研究阶段，离真正的通用具身智能还有距离。

不过换个角度想，谷歌这步棋走得挺妙。

通过大量虚拟世界数据，加上Gemini的推理能力，把分散的专用AI能力整合到一起。

这些在游戏里习得的导航、用工具、协作技能，将来都能用到机器人身上，让它们在现实里成为真正的智能助手。

对游戏党来说，SIMA2可能意味着以后组队能选AI队友，不用再怕遇到摆烂的。

对AI行业来说，它是朝着通用智能迈出的重要一步。

毫无疑问，SIMA2的出现，让我们看到了AI和人类协同的更多可能。

或许用不了多久，不光是游戏，生活里也会出现越来越多“像人一样”的AI伙伴。