谷歌 Genie 4 能造虚拟世界了，为什么只有 120 秒

你输入一段文字，一个可以行走、可以碰撞、有天气变化的三维世界就出现在眼前。这不是游戏引擎的预设关卡，而是 AI 实时生成的动态环境。

近期，Google DeepMind 正式发布新一代世界模型 Genie 4。据爱范儿报道，该系统支持纯文本提示词驱动的可探索三维环境生成，运行中还能通过修改指令改变天气或添加物体。更关键的是，它首次上线了原生音频——包括环境音和 NPC 的实时对话。

听起来像是通往《头号玩家》的直接门票。但现实有一个硬性边界：单次稳定模拟时长仅为 120 秒。超过这个时间，物体会开始形变，前文描述的场景会断裂消失。

这 120 秒，是技术进步的限制，还是商业模式的选择？答案可能需要同时看两件事：Google 自己的路线图，以及竞争对手 AMD 用 82 亿美元买下的同一个赛道。

从生成视频到“造世界”

Genie 4 的核心突破不是“画得更好看”，而是让 AI 学会了预判物理后果。

按爱范儿的梳理，这一代系统采用了三个层级的 Gemini 模型协同架构：Gemini Omni 提供外观和行为的基底，决定场景中物体的视觉呈现；Gemini 3．8 Flash 担任引导智能体，拆解用户指令并评判执行结果是否合理；Gemini 4 Argon 则负责机器人连续动作的推演实验。

这种分工意味着什么？过去 AI 生成视频只是被动输出画面序列，而 Genie 4 能在虚拟环境中进行“试错式推理”——如果玩家推动一个箱子，模型会提前计算它的滚动轨迹、与墙壁的碰撞角度，以及由此引发的连锁反应。空气动力学、重力、人群流动都能被模拟出来。

爱范儿在测试中发现了一个值得关注的细节：不同于侧重高精度空间重建的竞品，Genie 4 的核心思路是将大语言模型的结构化推理与世界模型的感官模拟深度融合。简单说，它不仅知道“长什么样”，还在尝试理解“为什么会这样动”。

但这套能力的落地方式很克制。当前版本仅向 Project Genie 项目的少量研究预览测试者开放，尚未面向公众或开发者。

120 秒的瓶颈与野心

120 秒的稳定时长，是上代 Genie 3（约 60 秒）的一倍。翻倍本身不难，难的是后面的指数级增长曲线正在快速平缓。

根据报道，瓶颈主要来自两个方向。第一是随时间推移，模型难以维持对前期场景信息的记忆——探索时间越长，越早生成的场景片段越容易出现形变或不连贯。第二是高频修改 Prompt（提示词）会加速这种记忆断裂，用户在 120 秒内切换指令越多，环境崩塌越快。

这意味着什么？目前的 Genie 4 更像是“短跑选手”而非“马拉松选手”。120 秒足以生成一个完整的游戏关卡开场、一段电影镜头的预可视化、或者机器人训练的初级场景迭代，但还远不够支撑长时间沉浸式交互。

技术上如何解决？至少目前 DeepMind 没有公开具体方案。不过值得注意的是，这种“限时生成”的特性可能恰好匹配了某种商业节奏——先做短频快的工具型产品，再逐步拉长时长。

谁在为“世界模型”下重注？

与此同时，世界模型赛道正经历一场无声的军备竞赛。

据多家媒体报道，AMD 已于近期以 82 亿美元收购了专注世界模型的初创公司 World Labs。这笔交易的意义在于：AMD 不只是想买一个产品，而是在补齐 GPU 算力之外的另一块拼图——让芯片厂商直接切入 AI 内容生成基础设施层。

82 亿美元的世界模型估值有多高？作为参照，全球最大游戏引擎 Unity 在鼎盛时期的市值大约在 400–500 亿美元区间，而它提供的是一套完整的开发工具和运营平台。World Labs 作为尚处早期的世界模型公司获得如此高的单笔收购价，反映出资本市场对这条赛道的押注力度。

Google 的策略与此形成对照。DeepMind 选择了一条渐进路径：从内部研究预览 → 向 Google AI Ultra 订阅用户普及 → 最终逐步向 Gemini API 与 Google AI Studio 生态内的早期开发者放行。

两条路线本质区别很明显：AMD 走的是“一次性买断技术栈后独立运营”，Google 走的是“嵌入自家云服务生态逐步释放价值”。前者更快完成商业闭环，后者更强调与现有用户的绑定深度。

游戏、影视还是机器人？变现时间表在哪

世界模型的想象空间很大，但真正产生收入的可能不是我们最常讨论的方向。

游戏行业是最直观的切入点。独立游戏开发者可以用自然语言描述关卡概念，系统自动生成可运行的原型，省掉数周的概念验证周期。但大型厂商的传统管线已经成熟，替换成本极高，短期内更多是中小型团队的效率工具。

影视制作领域关注的是预可视化环节。导演可以在剧本阶段用文字描述场景，AI 生成粗略的动态预览辅助决策。这与现有的 3D 建模工作流并不冲突，而是前置过滤掉了大量无效沟通成本。

最容易被忽视但也最具长期价值的是 机器人训练。Gemini 4 Argon 已经在做连续动作推演实验，本质上是在虚拟世界中模拟机器人行为。如果世界模型的物理精度足够高，机器人可以在不接触真实设备的情况下完成数百万次训练迭代，大幅降低硬件损耗和时间成本。这也是为什么 Argon 模型被单独列出的原因。

至于具体的变现时间表，截至发稿尚未有明确披露。爱范儿的报道提到“当前面向各业少量测试员开放预览 －＞ 推出 Project Genie 向 Google AI Ultra 订阅用户普及 －＞ 最终逐步向 Gemini API 生态内的早期开发者放行”的三步路径，但每个阶段的过渡时间和付费机制均未公开。

下一步看什么

如果你关注这个世界模型赛道，以下几个指标值得跟踪：

第一，Genie 4 何时开放给外部开发者调用。API 接口的设计方式和计费模式将直接决定它是成为一个功能模块还是一个独立产品线。

第二，AMD 收购 World Labs 后的整合进度。82 亿美元的买断能否在财报端转化为实际收入增量，将检验资本市场对世界模型价值的判断是否正确。

第三，物理模拟精度的量化标准。目前业界尚无统一的评测体系来衡量不同世界模型的真实世界置信度，建立标准的过程本身就是竞争壁垒。

第四，长时稳定性突破的时间节点。120 秒到几分钟再到持续数小时，每一次数量级跃升都会打开新的应用场景和商业定价空间。

第五，Google AI Ultra 订阅用户的转化率变化。如果 Genie 4 成为吸引新订阅的核心卖点之一，季度营收数据会给出最直接的答案。