通往AGI的關鍵一躍？DeepMind發布SIMA 2，3D世界AI智能體實現推理與自進化

　　“您的AI遊戲陪玩已上線”——11月20日，Google DeepMind正式發布第二代通用AI智能體SIMA 2(Scalable Instructable Multiworld Agent)，這個能在虛拟3D世界自主遊戲、邏輯推理并持續自我提升的智能體，被創始人哈薩比斯直接定義為“通往通用人工智能(AGI)的關鍵一步”。相較于去年推出的初代産品，SIMA 2通過集成Gemini模型的核心能力，完成了從“指令執行者”到“主動認知者”的質變，為具身AI的發展開辟了新路徑。

　　從“聽話”到“思考”：SIMA 2的認知革命

　　初代SIMA曾以跨越多種商業視頻遊戲的600餘項語言遵循技能驚豔業界，它像人類一樣通過“觀察”屏幕、操控虛拟鍵鼠導航，無需調用遊戲底層機制，但其本質仍是“被動模仿者”，缺乏深度規劃與意圖理解能力。而SIMA 2的核心突破，在于構建了“語言→意圖→計劃→行動”的完整認知鍊條。

　　這種認知升級源于Gemini模型的深度賦能。作為SIMA 2的核心推理引擎，Gemini讓智能體具備了多步驟邏輯分析能力：面對“尋找篝火”這類指令，它不再是盲目嘗試，而是會先解析目标意圖，規劃“定位地形→識别可燃物→搭建篝火”的行動路徑，甚至能實時向用戶解釋“我需要先找到樹木獲取木材，再利用打火石點火”的執行邏輯。在MineDojo(《我的世界》研究版)和維京生存遊戲ASKA等未訓練過的全新環境中，SIMA 2的任務成功率較初代實現數倍提升，徹底擺脫了對特定場景訓練數據的依賴。

　　認知鍊對比：SIMA 1 vs SIMA 2

　　SIMA 1：接收指令→直接執行(如“左轉”“爬梯子”等單一動作)，無主動規劃

　　SIMA 2：接收指令→解析意圖→制定計劃→分步執行→實時反饋，形成完整閉環

　　三大核心優勢：泛化、多模态、自進化

　　除了推理能力的質變，SIMA 2在泛化适配、多模态交互和自我提升三大維度實現了突破性進展，成為當前3D世界能力最強的AI智能體。

　　1. 跨場景泛化：從未見過的世界也能自适應

　　為測試泛化能力極限，DeepMind将SIMA 2與3D世界生成工具Genie 3聯動——後者可通過單張圖片或文本生成全新的實時虛拟環境。測試結果顯示，即便面對完全陌生的生成世界，SIMA 2仍能快速定位自身位置、理解用戶指令并采取有效行動。其關鍵在于“概念遷移學習”能力，例如能将《我的世界》中的“采礦”邏輯，無縫應用到其他遊戲的“收獲”場景中，這種能力已接近人類的認知泛化水平。

　　2. 多模态交互：看懂草圖、讀懂表情符号

　　SIMA 2打破了單一文本指令的限制，實現了多模态交互的全面升級。用戶不僅能通過文本、語音下達指令，還可直接在屏幕繪制草圖(如畫一個寶箱示意尋找目标)，甚至使用表情符号(如用🔥代表篝火)，智能體都能精準解讀并執行。這種跨模态理解能力，使其從“工具”向“夥伴”的定位轉變，交互體驗更接近人類協作。

　　3. 自我進化：無需人類數據也能持續變強

　　最具颠覆性的是SIMA 2的自我提升機制。在初始階段通過人類演示視頻學習後，它可切換至“自我導向學習”模式，通過試錯實踐+Gemini反饋的閉環，在全新遊戲中自主積累技能，且無需額外人類标注數據。DeepMind測試顯示，經過多代疊代後，SIMA 2能在ASKA等遊戲中完成初代無法實現的複雜任務，這種“自我疊代的良性循環”，為開放式學習的通用智能體奠定了基礎。

　　不止遊戲：為物理世界AI鋪路

　　盡管SIMA 2的測試場景集中在虛拟遊戲世界，但其技術價值已延伸至現實領域。DeepMind強調，智能體在虛拟環境中掌握的導航、工具使用、協作執行等技能，正是未來物理世界AI助手的核心“認知構建模塊”。例如，在3D遊戲中訓練的空間推理能力，可直接遷移至家庭服務機器人的路徑規劃;遊戲中的多步驟任務執行邏輯，能為工業機器人的複雜操作提供算法支撐。

　　當然，作為一項前沿研究成果，SIMA 2仍存在明顯局限：處理超長時程複雜任務時推理能力不足、交互記憶窗口有限、對3D場景的精細視覺理解仍需提升。但這些短闆并未掩蓋其裡程碑意義——它首次證實，通過“多世界數據訓練+強大推理引擎集成”，能夠打造出具備通才能力的AI智能體，而非局限于單一任務的專用系統。

　　AGI離我們還有多遠?

　　SIMA 2的發布，讓“GTA 6先出還是AGI先實現”的玩笑式讨論，成為行業對通用人工智能進程的嚴肅思考。從技術演進來看，初代SIMA實現“語言到行動”的轉化，SIMA 2完成“行動到認知”的升級，下一步将是“認知到自主決策”的突破。DeepMind的研究團隊認為，虛拟3D世界是訓練通用智能的理想試驗場——這裡既包含複雜的物理規則與交互邏輯，又能規避現實世界的安全風險。

　　随着SIMA系列的持續疊代，以及Gemini等大模型與具身智能的深度融合，AGI的實現路徑正逐漸清晰。正如哈薩比斯所言，SIMA 2不是終點，而是“通往通用智能旅程中最堅實的一步”，它讓人們看到，未來的AI不僅能聽懂指令，更能獨立思考、自主學習，最終成為物理世界中可靠的智能夥伴。