谷歌 DeepMind 推出突破性 AI 代理 SIMA：3D 环境中执行复杂指令，迈向通用 AI 重要里程碑编辑分享-牛仔AI

谷歌旗下 DeepMind 团队今日宣布推出突破性人工智能系统SIMA（Scalable Instructable Multiworld Agent），这一可扩展多世界代理能够在多样化的 3D 虚拟环境中理解并执行复杂自然语言指令，标志着通用人工智能（AGI）研究迈出关键一步。

技术突破：从单一游戏到跨环境泛化

SIMA 通过整合视觉语言映射模型与视频预测模型，实现了对 3D 场景的深度理解与动态推理。其核心架构无需访问游戏源代码或定制 API，仅需屏幕图像和自然语言指令即可通过键盘鼠标控制虚拟角色。在与八家游戏工作室合作的训练中，SIMA 在《无人深空》《拆迁》等九款 3D 游戏中展现出惊人的跨环境适应能力 —— 经过多游戏训练的 SIMA 在未接触过的新游戏中表现，与专门针对该游戏训练的 AI 代理几乎持平，泛化能力提升显著。

值得关注的是，SIMA 已掌握600 项基础技能，涵盖导航、物体交互、菜单操作等基础任务，并能在 10 秒内完成 “寻找资源并建立营地” 等复合指令。在《无人深空》测试中，SIMA 完成任务的成功率达 34%，远超无语言基线的 11%，尽管仍低于人类玩家的 60%，但其通过语言驱动的目标导向行为已展现出 AGI 的雏形。

行业意义：从游戏到现实的桥梁

DeepMind 强调，SIMA 的研发并非为了追求游戏高分，而是通过虚拟环境训练解锁 ** 具身智能（Embodied AI）** 的现实应用潜力。其技术路径已在建筑设计、虚拟旅游等领域展开探索 —— 例如在 Unity 引擎构建的 “建造实验室” 中，SIMA 能通过堆叠建筑模块完成雕塑创作，验证了其对物理世界的直观理解能力。

这一突破与当前 AI 行业趋势高度契合。智源研究院 2025 年技术预测指出，具身智能将进入 “大小脑协同进化” 阶段，而 SIMA 的跨环境泛化能力正是这一趋势的典型案例。CB Insights 数据显示，2024 年全球 AI 投资突破千亿美元，其中具身智能相关领域融资增长显著，SIMA 的发布进一步印证了资本对多模态、环境交互技术的青睐。

挑战与展望：从实验室到产业的鸿沟

尽管 SIMA 已取得里程碑式进展，其仍面临多重挑战。当前版本仅能处理10 秒内的简单任务，而复杂战略规划（如 “建立基地并抵御攻击”）仍需依赖人类分解指令。此外，模型性能对语言的强依赖性表明，自然语言理解的微小偏差可能导致行为失序。

DeepMind 团队透露，未来将通过更大规模训练与更先进模型架构提升 SIMA 的长期规划能力，并探索其在自动驾驶、工业机器人等领域的应用。值得注意的是，SIMA 的技术框架已为开源社区提供了新范式 —— 其数据管道整合了人类玩家行为记录与语言注释，为跨领域 AI 研究提供了可复用的方法论。