谷歌DeepMind近日推出新一代AI代理SIMA 2，将其定位为可在虚拟世界中行动的“伙伴型”系统。相较于2024年3月发布的初代SIMA，SIMA 2不再局限于基于屏幕观察执行基础操作，而是进一步具备理解高层目标、解释自身步骤，并通过经验持续学习的能力。DeepMind表示，这一进展不仅提升了AI在3D交互环境中的表现，也为未来机器人与具身智能的发展提供了实验基础。
根据DeepMind披露，SIMA 2由Gemini模型提供支持，能够通过文本、语音甚至图像与用户进行交互。在实际运行中，它不仅可以接收简单指令，还能理解更复杂的任务目标，规划执行路径，并在游戏或虚拟环境中与用户协作完成任务。官方称，这是其“目前能力最强的3D虚拟世界AI代理”。
SIMA 2能力显著升级
初代SIMA的核心能力是通过观察屏幕并借助虚拟键盘和鼠标控制，学习数百种基础技能。而SIMA 2则进一步迈向更高层次的决策与泛化。DeepMind指出，新系统可以处理更长、更复杂的任务，理解逻辑提示、屏幕草图，甚至能识别表情符号所代表的指令意图。这意味着AI代理不再只是机械执行命令，而是开始形成对任务场景和目标之间关系的更深理解。
更值得关注的是，DeepMind称SIMA 2在跨环境泛化方面有明显提升。即便面对此前从未接触过的3D世界，它也能较快完成环境定位、识别目标并采取有意义的行动。该能力在与Genie 3生成环境的测试中得到验证。Genie 3是DeepMind此前推出的另一个项目，可根据单张图像或文本提示快速生成交互式虚拟环境。SIMA 2在这些全新世界中仍能理解任务并执行操作，显示出更强的迁移能力。
DeepMind特别举例称，SIMA 2可以将在一个游戏中学到的“采矿”概念迁移到另一个游戏中的“收获”任务。这种从相似任务中提炼共性并加以应用的能力，被视为迈向更通用人工智能的重要特征之一。
关键数据：任务完成率从31%提升至65%
从量化指标来看，SIMA 2的进步尤为突出。DeepMind表示，SIMA 2在广泛任务上的表现已显著接近人类玩家，其任务完成率达到65%，而初代SIMA仅为31%。这一数据意味着新版本在复杂交互、任务理解和执行稳定性方面实现了明显跃升，也反映出Gemini加持下的推理与反馈机制正在发挥作用。
研究人员还介绍，SIMA 2在接受人类演示学习后，会进入自我驱动的探索阶段，通过试错和Gemini生成的反馈不断扩充经验数据。其训练流程中包含一个自我迭代闭环：由系统生成任务、尝试完成任务，再将自身行动轨迹反馈给下一版本模型。这样的训练方式有助于减少对纯人工标注的依赖，并提升系统在未知环境中的适应能力。
距离AGI仍有差距，但方向更清晰
尽管DeepMind对SIMA 2给予较高评价，并将其视为迈向人工通用智能（AGI）的重要一步，但其研究团队也坦承，当前系统仍存在明显限制。例如，在处理非常长链条、涉及多个步骤的复杂任务时，SIMA 2依然会出现能力不足的问题；同时，它还受到有限记忆窗口的制约，并且在3D场景中仍面临视觉理解方面的常见挑战。
这些短板表明，SIMA 2虽然在虚拟世界中展现出更接近人类的交互和适应能力，但距离真正意义上的通用智能还有相当距离。不过，从产业角度看，这类系统的意义并不只在于“会玩游戏”，而在于它们为机器人导航、环境理解、任务执行和具身智能训练提供了可控的测试平台。虚拟世界因成本低、可重复、可批量生成，正成为训练下一代智能体的重要场景。
市场影响：AI基础设施与具身智能赛道再获关注
从市场层面看，SIMA 2的发布再次强化了大型科技公司在AI代理、具身智能和AGI方向上的投入信号。虽然该消息本身并不直接关联加密资产价格，但对关注AI叙事的科技与数字资产市场参与者而言，类似进展可能进一步抬升对AI基础设施、算力、数据平台以及机器人概念的关注度。尤其是在AI代理逐步从聊天助手走向可执行任务的行动系统后，市场对于“AI+游戏”“AI+机器人”“AI+虚拟世界”的商业化预期可能继续升温。
与此同时，SIMA 2也反映出当前AI竞争正从单纯的大模型能力比拼，转向更强调行动、规划、反馈和环境适应的综合智能体系。对行业而言，这意味着未来的关键竞争点不仅是模型参数规模，更包括多模态交互能力、训练闭环效率以及在新环境中的泛化水平。若这一路径持续取得突破，虚拟世界中的代理技术未来有望逐步外溢到现实中的机器人、自动导航与工业执行场景。
总体来看，SIMA 2代表了DeepMind在3D交互智能体上的一次重要升级。其在任务完成率、跨场景迁移和自我学习方面的进展，使其成为AI代理领域值得关注的新样本。尽管距离真正成熟的AGI和现实世界大规模部署仍有技术鸿沟，但其展示出的演进方向，已为未来AI与机器人融合提供了更具现实感的路线图。