Google DeepMind近日正式推出全新多模态AI代理SIMA 2，首次深度融合Gemini大模型的语言理解、逻辑推理与视觉感知能力，并在《山羊模拟器3》等开放世界游戏中实现跨环境的自主学习与任务执行，标志着人工智能向AGI（通用人工智能）迈进的关键一步。
此次发布的SIMA 2基于Google Gemini多模态架构构建，其核心突破在于能够精准解析人类以自然语言下达的复杂指令。例如面对「先前往东边山顶寻找红旗，记录石碑上的符号，再返回营地开启宝箱」这样的任务，它不仅能理解语义，还能将整体目标分解为一系列可执行的动作步骤。同时支援文字、语音与图像等多种输入形式，大幅提升交互灵活性。
不同于传统AI代理仅能被动执行命令，SIMA 2具备主动规划和沟通反馈的能力。它可像一位“数位协作者”般，在任务过程中主动汇报进展、说明决策逻辑，协助用户共同完成挑战，显著增强人机协作体验。
最引人注目的是其内建的「自我学习循环」机制。SIMA 2能在未曾接触的新游戏或未知环境中，自主设计任务并通过不断试错（trial-and-error）与AI自生成的回馈进行迭代优化。这意味着它不再依赖大量人工示范数据，而是通过自身实践持续进化，展现出强大的泛化与适应能力，成为AI代理迈向自主成长的重要里程碑。
官方强调，此项技术正是实现可迁移、通用型AI系统——如未来智能机器人或全能数位助理——所必需的核心能力。为加速创新应用落地，Google将开放SIMA 2平台予学术界与产业界共同研发，推动AI技术从虚拟场景延伸至真实世界，助力各领域智能化升级。
