DeepMind 的 Genie 4 我看成是个方向标,不是个玩具。它把「世界模型(用 AI 生成并模拟一个能实时互动的虚拟环境)」第一次做到了实时、能开口说话、还自带音效。
过去的世界模型大多是你看着它演,Genie 4 让你进去演。实时交互、照片级真实感,还原生生成音频——环境声、可对话的人物,不再是后期贴上去的。它和 Gemini 打通,等于有了「理解指令」和「生成世界」的两条腿。
我判断它的价值不在「能生成多好看的视频」,而在「能当训练场」。机器人、游戏、工业仿真(用计算机模拟真实产线来试错)这些要吃大量交互数据的领域,一直卡在「真实数据贵、合成数据假」。一个能实时反馈的假世界,正好补这个洞。
DeepMind 自己也认账:长时一致性(场景不崩坏)和物理精度还是短板。所以别把它当成品,当预览。但预览里能看到路线——「可交互仿真」正在从实验室概念变成可调用能力。
对产业决策者,这比又一张 Sora 类 demo 值得多看两眼。视频是给人看的,世界模型是给机器练的。