一句话核心

Project Genie+Street View = AI世界模型第一次有了真实世界的地理锚点。 开发者不再只能凭空生成幻想场景，而是可以把旧金山的金门大桥变成水下世界，把东京涩谷十字路口改造成赛博朋克雨夜——并且这些场景的几何和光照是可推理的。

事件回顾：Project Genie是什么，街景又给它加了什么

今年1月，Google悄悄上线了Project Genie——一个实验性的生成式AI世界模型web应用。它和Sora、Genie 2这类视频/3D生成工具最大的区别是：你输入的是一张图片或一段文字，输出的是一个可以交互的3D世界，而不是一段视频。你可以在这个世界里“走”动，改变视角，调整光照。

这次Google I/O 2026上，Google宣布Project Genie接入了Google Maps的Street View数据。这意味着：

  • 输入不再是“海边悬崖上的城堡”，而是“把曼哈顿时代广场变成森林”
  • AI不再凭空想象建筑结构，而是以街景的真实几何数据为底版，再叠加风格迁移和元素生成

原文举例：你可以选择金门大桥，然后选择“Ocean World”风格，AI会在真实的大桥模型上，添加海底植物、潜水员和鱼群。

关键细节：这不是滤镜，是几何级重建

很多人第一反应是：这不就是AI滤镜吗？

不是。关键区别在于：Project Genie构建的是可交互的3D场景，不是2D图像。它利用街景提供的：

  • 点云数据：建筑、道路、地标的精确空间位置
  • 多视角图像：从不同角度拍摄的同一地点，用于重建纹理和光照
  • 地理标签：经纬度、海拔、朝向，确保生成的世界符合物理规则（比如太阳方向、阴影投射）

然后Project Genie的生成模型（基于Google自家的World Transformer架构）在这个真实骨架上，用diffusion模型生成风格化的纹理、物体、动态元素（如鱼群、雾气、灯光）。

实际效果：你可以在生成的3D场景中自由移动，视角变化时，远处的建筑会正确遮挡近处的物体——这是视频生成模型做不到的。

对开发者：这意味着什么？

1. 游戏开发：快速搭建真实感关卡

以前做游戏关卡，你需要：

  1. 找参考图
  2. 手动建模
  3. 调整光照和材质
  4. 添加动态元素

现在你可以：

  1. 选择真实地点（比如巴黎圣母院广场）
  2. 选择风格（“末日废墟”或“奇幻森林”）
  3. 得到可导出的3D场景（支持glTF/USD格式，Google在文档中已确认）
  4. 直接在Unity/Unreal里使用

但注意：目前生成的世界分辨率有限（官方未公布具体数值，但从演示来看，单个场景约50m×50m的范围，面数控制在10万以下），适合做原型验证或背景场景，不适合做精细的交互核心。

2. 影视：预可视化（Previs）成本骤降

影视行业做场景预可视化，通常需要概念设计师花几周画图，或者用3D软件搭建简易场景。现在导演可以说：“我要一个赛博朋克版的东京涩谷，但保留真实的建筑轮廓。”——10分钟就能拿到可交互的3D场景，直接用于镜头设计。

3. 数字孪生：从“静态地图”到“动态世界”

对智慧城市、城市规划领域，Project Genie意味着：你可以基于真实地理数据，快速生成“如果……会怎样”的场景。比如：“如果上海外滩的防洪堤提高2米，水面上升后景观会变成什么样？”

个人观点：真正的价值不在“生成”，在“锚定”

我关注AI生成3D内容很久了，之前最大的痛点是：生成的场景没有物理一致性。你让AI生成一个城堡，它可能四面墙的窗户数量都对不上；你让AI生成一条街道，远处的建筑可能在移动视角后消失。

Project Genie+街景解决的核心问题，不是“画得更好”，而是“画得对”。真实世界的数据提供了空间约束，AI只需要在约束内发挥创意。这就像给一个天才画家先打好素描底稿，他只需要负责上色——出错的概率大大降低。

Project Genie Street View 3D world generation comparison
左：纯AI生成的幻想场景（几何错误常见）；右：基于街景的真实锚定场景（结构正确，风格自定义）

开发者现在可以做什么？

  1. 注册Google AI Ultra：目前Project Genie的街景功能只对AI Ultra订阅用户开放（$29.99/月），但值得一试。
  2. 关注导出格式：Google承诺会开放glTF和USDZ导出，这是游戏引擎和3D软件的通用格式。一旦开放，工作流就打通了。
  3. 准备你的场景库：如果你做游戏或影视，可以开始整理需要改造的真实地点列表。比如“我想把东京塔变成魔塔”“我想把罗马斗兽场变成太空竞技场”——现在只需要一张街景截图就能开始。
  4. 性能测试：在本地跑一个轻量级3D场景（比如Unity中的10万面场景），对比Project Genie生成的同等复杂度场景的帧率，评估是否满足你的应用需求。

一句话收尾

Project Genie+街景不是AI版的《我的世界》，它是AI版的Google Earth + 想象力引擎——真实世界是画布，AI是画笔，开发者是策展人。