Sora核心作者掌舵，谷歌世界模型新團隊全球招募：百萬底薪起步

衡宇 2025-01-07 11:25:29 來源：量子位

衡宇 發自 凹非寺

量子位 | 公眾號 QbitAI

最新消息，Sora核心作者，將領導谷歌世界模型團隊！

Tim Brooks——帶隊Sora研究的兩位負責人之一，也是DALL-E 3作者之一，剛剛發布了一條熱情四溢的推特，廣納天下英才：

DeepMind有雄心勃勃的計劃，要制作大量世界模型。
向著這個使命，我開始招募一個新團隊。快來加入我們吧！

Brooks是AI圈子里十分耀眼的新秀，2023年剛剛從UC伯克利博士畢業。

2023年1月起，Brooks開始帶隊研究Sora；2024年2月，Sora初亮相。

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

當時，谷歌DeepMind的CEO Demis Hassabis就在該推文下回復表示，Brooks將幫助“將世界模擬器這一長期夢想變為現實”。

現在，Brooks真的要帶隊谷歌的世界模型團隊了，并且是從頭開始一手招募籌建。

并且，有人抓住了官宣推文中的華點：

Models，這意味著谷歌要制作的世界模型不是一個，而是很多個！

而官宣推文下面，幾乎都是網友的祝福之語：

谷歌組建世界模型新團隊

目前，Tim Brooks的領英和推特自我簡介都顯示為：

– video gen + world sim at DeepMind
– ex-OpenAI Sora Lead

關于“video gen”，Brooks加入谷歌DeepMind的時間，在廣受好評的Veo 2.0發布之前。

a16z的投資人曾對著Veo 2.0驚嘆，難以置信不到一年的時間里，視頻模型進展如此神速。

目前，Veo 2已經登錄VideoFX，預計明年它將進軍YouTube Shorts等平臺，為內容創作者開啟全新的可能性。

而“world sim”，應該就是目前正在招募的新團隊的肩上重擔了。

根據Brooks鏈接的招聘頁面，新團隊會和谷歌旗下Gemini、Veo和Genie等團隊合作，并在此基礎上解決關鍵的新問題，將世界模型擴展到最高計算水平。

團隊將致力于在構建的世界模型之上開發“實時交互生成”工具；并研究如何將世界模型們與現有的多模態模型，如Gemini等集成。

官方顯示，谷歌世界模型團隊主要招納兩種人才，均要求碩士或博士學位：

• 研究科學家：（美國）全職底薪范圍在136,000美元～245,000美元之間，加獎金、股權和福利。
• 研究工程師：（美國）全職底薪范圍在136,000美元～245,000美元之間，加獎金、股權和福利。

（注：申請崗位時可附上目標地點的具體薪資范圍）

△科學家要求（左圖）和工程師要求（右圖）

谷歌還表示，他們相信，在視頻和多模態數據上擴展預訓練（劃重點）是實現AGI的關鍵路徑。

而世界模型將推動眾多領域，如視覺推理和模擬、具身智能體的規劃以及實時交互娛樂。

谷歌對世界模型的（現階段）理解是什么？

看看去年年底發布的Genie 2，或許可以管窺一二。

24年12月5日，谷歌發布了Genie 2，它是一種自回歸潛空間擴散模型，在大型視頻數據集上訓練。

Genie 2可以實現一張圖生成無限多樣的3D游戲世界，生成的3D世界可響應鍵鼠操作，可玩、可控制。

與此前研究相比，Genie 2擁有長期記憶，即使玩家把視角轉開，再回來時也可穩定渲染世界中已存在的部分；游戲世界中還可以有其他AI NPC存在，與玩家控制的角色進行復雜交互。

但最重要的目標，不是拿來玩——

Genie 2可用于訓練和評估具身智能體，通過創建豐富多樣的環境，可以生成AI在訓練期間沒見過的評估任務。

盡管這項研究仍處于早期階段，在智能體和環境生成能力方面仍有大量改進空間，但谷歌表示：

我們相信Genie 2是解決在安全訓練具身智能體的同時，滿足實現通往AGI所需的廣度和通用性要求。

△Genie 2能通過prompt訓練Agent打開正確的門

世界模型，下一個角逐賽點？

2024年，AI技術在多元方向持續突破，視頻生成、世界模型、具身智能和空間智能等技術推動了人類對AGI的探索。

尤其在世界模型領域，許多初創公司和大型科技公司正在追逐世界模型。

也難怪乎網友在看到Tim Brooks廣發英雄貼后，在reddit上發出這樣的感慨：

令人驚訝的是，如果這條新聞出現在五年前，我們會驚掉下巴。

但現在，我們就像對待一個普通的星期二一樣對待它。

事實上，世界模型反映了長久以來許多AI研究人員對model-based RL工作的無奈和期待：

模型不夠準確，那么完全在模型里訓練的強化學習效果就不好。

如果能獲得準確的世界模型，就能在世界模型中反復試錯，找到現實的最優決策。

據量子位智庫《2024年度AI十大趨勢報告》，在世界模型領域，研究者們致力于開發能夠模擬和理解真實世界的模型，核心在于通過學習大量數據，使模型能夠自然涌現新的行為和決策能力。

Techcrunch則盤點到，在追逐世界模型的諸多玩家中，除了谷歌這樣的科技巨頭，還有不少耀眼的初創玩家。

譬如李飛飛的World Labs（雖然現在大家更多將它的目標定位于空間智能），以及Decart、 Odyssey等公司。

該領域普遍認為，世界模型可能能用來創建交互式媒體，如視頻游戲和電影；以及運行現實模擬，如機器人/具身智能的訓練環境。

目前，除了技術尚未達到心目中的理想水平，還有幾道坎擺在世界模型前進之路上。

一個是版權，一些世界模型似乎是在游戲游玩剪輯片段上訓練的。

那咱就不得不提谷歌世界模型新團隊的最大優勢了——是誰擁有Youtube里上億小時的游戲視頻數據，我不說。

另一個是相關內容創作從業者的反對。

不過值得一提的是，其中一些初創玩家，如Odyssey，承諾將與3D內容領域的創意從業者合作作，而非取代他們。

暫不知道谷歌會怎么做。

One More Thing

最后，提一個網友們從谷歌世界模型新團隊JD細則里發現的華點。

谷歌DeepMind寫道：

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

劃重點， scaling pretraining。

而早些時候，在NeurIPS上，Ilya公開宣判：

預訓練時代即將終結！

雖然也可以理解為，Ilya特指的是大語言模型的預訓練時代，谷歌DeepMind特指的是世界模型的預訓練。

但……誰知道呢，你說是不（手動狗頭）。

參考鏈接：
[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/