Google DeepMind 在 I/O 期间做了一件挺反常的事：它把 Google Maps 里的 Street View 接进了 Project Genie。

以后用户可以基于真实地点生成可交互的世界模拟。不是只看一张全景图，而是能在街区里移动，切换天气、季节，甚至生成雪天街区、强光反射、龙卷风这类少见场景。

但这事不能理解成 Google 已经能精确复制现实城市。DeepMind 自己说得很清楚：Street View 版 Genie 还是实验功能，效果偏游戏画质，不能忠实重建街道，模型也还不是 physics-aware。

真正有意思的地方在这里：Google 正把二十年地图采集，转成世界模型的训练和生成底座。

Street View 不再只是看地图，而是变成模拟素材

Street View 已经积累超过 2800 亿张图像，覆盖 110 个国家和七大洲。这是 Google 做世界模型时很特殊的一张牌。

很多视频生成公司也能学习海量公开视频。但 Street View 的价值不只在“图多”。它还有地点、道路结构、连续视角和街区关系。

这类数据放进 Genie 后，提示词就不只是“生成一条城市街道”。用户可以锚定一个真实地点，再让模型生成不同天气、季节和罕见情境。

这更像把地图从“查位置的资料库”，推向“可试玩的空间草图”。但草图就是草图，不能拿来当测绘、取证或城市规划的准确底图。

对比项过去的 Street View接入 Genie 后该怎么理解
用户体验查看静态全景图在街区里移动、切换条件更像互动预览
数据价值导航、地点展示世界模型训练与生成素材地图数据被重新利用
真实程度来自实拍图像生成结果会偏离现实不能当照片级复原
开放范围Google Maps 广泛可用先给美国部分 Ultra 用户仍是小范围实验
开发者可用性成熟产品入口规则和工具链还不清楚暂时别按生产工具算

Project Genie 此前以 Genie 3 研究预览形式出现，后来面向美国 Google AI Ultra 用户开放。现在接入 Street View，范围仍然很窄：先是美国部分 Ultra 用户，未来数周才扩展到全球 Ultra 用户。

这也说明它离普通 Google Maps 功能还很远。大多数用户短期内看到的，不会是“打开地图就能进模拟城市”，而是 Ultra 订阅里的一个实验入口。

先受影响的是训练团队和原型团队

机器人和自动驾驶会比普通用户更早理解它的价值。

DeepMind 研究员 Jack Parker-Holder 举过一个例子：如果一台机器人要部署到伦敦，它平时很少遇到强日照。但偶尔阳光会从维多利亚式住宅外墙反射出来，造成强反光。

这种场景很低频，却可能影响识别和行动。Genie 可以把它模拟出来，让机器人在真实遇到前先“见过”。

自动驾驶行业对这套逻辑更熟。Waymo 已经用 Genie 3 支撑部分模拟器，训练车辆应对龙卷风、路上出现大象等极罕见事件。

Street View 的加入，理论上能让模拟更贴近具体街区。它不只服务车载视角，也可能服务行人、配送机器人或其他智能体。

但这不是 Waymo 全球扩张的捷径。自动驾驶落地还要过法规、车队运营、高清地图、远程支持和事故责任。模拟能降低“没见过”的训练成本，替代不了城市级运营。

更现实的动作是：机器人和自动驾驶团队可以把 Genie 当作边缘场景生成器，但不该把它直接当验证系统。采购和工程集成也应该慢一点，等 API、数据边界和评测方式更清楚。

游戏和旅行产品的受影响方式不一样。

游戏团队可以用它快速做真实街区的互动草图，先看动线和氛围，再决定是否投入美术资产。旅行产品也可能拿它做“冬天的纽约街角”或“暴雨里的酒店周边”这类预览。

但商业级游戏资产、建筑复原、城市规划展示，现在还不该押上去。画面质感和空间准确性都不够稳，开发者能拿到多少控制权也还没看清。

最大边界不是画质，而是它还不懂物理因果

Google 展示的样例已经能让熟悉某片街区的人认出地点。这说明模型抓住了一部分空间线索。

问题也很直白：它不是照片级数字孪生。更重要的是，它还不能可靠理解物理因果。

原文提到，在一段雪地 Joshua Tree 模拟里，一名奔跑的女性直接穿过仙人掌和灌木。这不是细节瑕疵，而是世界模型最难的一关：场景不只是要看起来像，还要能按现实规则反应。

这和 Veo 等视频生成模型形成了对照。视频模型可以在固定镜头或短片里处理纸船漂动、烟雾扩散、布料覆盖物体这类视觉规律。Genie 要同时处理空间连续、用户动作、环境反馈和多步交互，难度更高。

DeepMind 团队也承认，Genie 在准确性和质量上大约落后视频模型 6 到 12 个月。这个说法反而让判断更清楚：它不是不能用，而是只能放在合适的位置用。

接下来最该看三件事。

一是全球 Ultra 用户拿到访问后，真实地点还原是否稳定。如果同一街区多次生成差异很大，它就更适合娱乐和原型，不适合严肃训练。

二是 Google 会不会给开发者更明确的 API、权限和工作流。没有这些，团队很难把它放进正式生产链。

三是 Waymo 和机器人团队会不会把 Genie 从演示工具推进到训练闭环。只要还缺少公开评测和稳定集成，它就仍是“好玩的地图实验”，不是工程基础设施。

还有一个问题现在不能装作已经解决：真实街景进入生成式模拟后，数据授权、隐私处理、建筑和地点相关边界怎么定。Google 没有把这些产品规则讲透前，企业用户大概率会先观望。

所以这次更新的重点，不是 Google Maps 突然变成开放世界游戏。它更像一条信号：真实世界数据正在被重新打包，进入 AI 训练、模拟和交互系统。

路漫漫其修远兮。能把街景变成可玩世界，只是第一步；让这个世界遵守现实规则，才是硬仗。