Sora核心作者掌舵，谷歌世界模型新团队全球招募：百万底薪起步

本文由 量子位 撰写/授权提供，转载请注明原出处。

文章来源于：量子位（QbitAI）

作者：衡宇

最新消息，Sora 核心作者，将领导谷歌世界模型团队！

Tim Brooks——带队 Sora 研究的两位负责人之一，也是 DALL-E 3 作者之一，刚刚发布了一条热情四溢的推特，广纳天下英才：

DeepMind 有雄心勃勃的计划，要制作大量世界模型。

向着这个使命，我开始招募一个新团队。快来加入我们吧！

Brooks 是 AI 圈子里十分耀眼的新秀，2023 年刚刚从 UC 伯克利博士毕业。

2023 年 1 月起，Brooks 开始带队研究 Sora；2024 年 2 月，Sora 初亮相。

但在去年 10 月，Brooks 突然官宣离开 OpenAI，跳槽谷歌 DeepMind。

当时，谷歌 DeepMind 的 CEO Demis Hassabis 就在该推文下回复表示，Brooks 将帮助“将世界模拟器这一长期梦想变为现实”。

现在，Brooks 真的要带队谷歌的世界模型团队了，并且是从头开始一手招募筹建。

并且，有人抓住了官宣推文中的华点：

Models，这意味着谷歌要制作的世界模型不是一个，而是很多个！

而官宣推文下面，几乎都是网友的祝福之语：

目前，Tim Brooks 的领英和推特自我简介都显示为：

- video gen + world sim at DeepMind

- ex-OpenAI Sora Lead

关于“video gen”，Brooks 加入谷歌 DeepMind 的时间，在广受好评的 Veo 2.0 发布之前。

a16z 的投资人曾对着 Veo 2.0 惊叹，难以置信不到一年的时间里，视频模型进展如此神速。

目前，Veo 2 已经登录 VideoFX，预计明年它将进军 YouTube Shorts 等平台，为内容创作者开启全新的可能性。

而“world sim”，应该就是目前正在招募的新团队的肩上重担了。

根据 Brooks 链接的招聘页面，新团队会和谷歌旗下 Gemini、Veo 和 Genie 等团队合作，并在此基础上解决关键的新问题，将世界模型扩展到最高计算水平。

团队将致力于在构建的世界模型之上开发“实时交互生成”工具；并研究如何将世界模型们与现有的多模态模型，如 Gemini 等集成。

官方显示，谷歌世界模型团队主要招纳两种人才，均要求硕士或博士学位：

研究科学家：（美国）全职底薪范围在 136,000 美元～245,000 美元之间，加奖金、股权和福利。

研究工程师：（美国）全职底薪范围在 136,000 美元～245,000 美元之间，加奖金、股权和福利。

（注：申请岗位时可附上目标地点的具体薪资范围）

△科学家要求（左图）和工程师要求（右图）

谷歌还表示，他们相信，在视频和多模态数据上扩展预训练（划重点）是实现 AGI 的关键路径。

而世界模型将推动众多领域，如视觉推理和模拟、具身智能体的规划以及实时交互娱乐。

谷歌对世界模型的（现阶段）理解是什么？

看看去年年底发布的 Genie 2，或许可以管窥一二。

24 年 12 月 5 日，谷歌发布了 Genie 2，它是一种自回归潜空间扩散模型，在大型视频数据集上训练。

Genie 2 可以实现一张图生成无限多样的3D 游戏世界，生成的 3D 世界可响应键鼠操作，可玩、可控制。

与此前研究相比，Genie 2 拥有长期记忆，即使玩家把视角转开，再回来时也可稳定渲染世界中已存在的部分；游戏世界中还可以有其他 AI NPC 存在，与玩家控制的角色进行复杂交互。

但最重要的目标，不是拿来玩——

Genie 2可用于训练和评估具身智能体，通过创建丰富多样的环境，可以生成 AI 在训练期间没见过的评估任务。

尽管这项研究仍处于早期阶段，在智能体和环境生成能力方面仍有大量改进空间，但谷歌表示：

我们相信 Genie 2 是解决在安全训练具身智能体的同时，满足实现通往 AGI 所需的广度和通用性要求。

△Genie 2能通过prompt训练Agent打开正确的门

2024 年，AI 技术在多元方向持续突破，视频生成、世界模型、具身智能和空间智能等技术推动了人类对 AGI 的探索。

尤其在世界模型领域，许多初创公司和大型科技公司正在追逐世界模型。

也难怪乎网友在看到 Tim Brooks 广发英雄贴后，在 reddit 上发出这样的感慨：

令人惊讶的是，如果这条新闻出现在五年前，我们会惊掉下巴。

但现在，我们就像对待一个普通的星期二一样对待它。

事实上，世界模型反映了长久以来许多 AI 研究人员对 model-based RL 工作的无奈和期待：

模型不够准确，那么完全在模型里训练的强化学习效果就不好。

如果能获得准确的世界模型，就能在世界模型中反复试错，找到现实的最优决策。

据量子位智库《2024 年度 AI 十大趋势报告》，在世界模型领域，研究者们致力于开发能够模拟和理解真实世界的模型，核心在于通过学习大量数据，使模型能够自然涌现新的行为和决策能力。

Techcrunch 则盘点到，在追逐世界模型的诸多玩家中，除了谷歌这样的科技巨头，还有不少耀眼的初创玩家。

譬如李飞飞的 World Labs（虽然现在大家更多将它的目标定位于空间智能），以及 Decart、 Odyssey 等公司。

该领域普遍认为，世界模型可能能用来创建交互式媒体，如视频游戏和电影；以及运行现实模拟，如机器人/具身智能的训练环境。

目前，除了技术尚未达到心目中的理想水平，还有几道坎摆在世界模型前进之路上。

一个是版权，一些世界模型似乎是在游戏游玩剪辑片段上训练的。

那咱就不得不提谷歌世界模型新团队的最大优势了——是谁拥有 Youtube 里上亿小时的游戏视频数据，我不说。

另一个是相关内容创作从业者的反对。

不过值得一提的是，其中一些初创玩家，如 Odyssey，承诺将与3D内容领域的创意从业者合作作，而非取代他们。

暂不知道谷歌会怎么做。

最后，提一个网友们从谷歌世界模型新团队 JD 细则里发现的华点。

谷歌 DeepMind 写道：

We believe scaling pretraining on video and multimodal data is on the critical path to artificial general intelligence.

划重点， scaling pretraining。

而早些时候，在 NeurIPS 上，Ilya 公开宣判：

预训练时代即将终结！

虽然也可以理解为，Ilya 特指的是大语言模型的预训练时代，谷歌 DeepMind 特指的是世界模型的预训练。

但……谁知道呢，你说是不（手动狗头）。

参考链接：
[1]https://techcrunch.com/2025/01/06/google-is-forming-a-new-team-to-build-ai-that-can-simulate-the-physical-world/

[2]https://techcrunch.com/2024/10/03/a-co-lead-on-sora-openais-video-generator-has-left-for-google/

[3]https://www.linkedin.com/in/timothyebrooks/

[4]https://x.com/_tim_brooks/status/1876327325916447140

[5]https://www.reddit.com/r/singularity/comments/1hvbzyp/google_is_forming_a_new_team_to_build_ai_that_can/

扫码关注公众号

获取更多技术资讯