Google世界模型Genie 4正式发布，世界终于要活过来了

Google下一代世界模型Genie 4正式发布，距离Genie 3已过去14个月。相比前代，Genie 4在画质、运动、物理交互、世界一致性和实时控制方面均有明显进步，并首次实现原生音频生成——可在生成世界的同时同步生成环境音、音乐性声音及人物交互式对话，人物还能实时说话并对事件作出反应。官方演示中，用户通过WASD和双摇杆实时控制第一人称骑龙飞行场景，画面具备照片级真实感，物理模拟和动作自然度显著提升。用户还可用自然语言在运行中修改天气、加入物体或改变事件，延迟较低。

文章区分了当前世界模型的两条技术路线：一是以Genie为代表的视频生成路线，动态生成能力强，但存在世界一致性难题和推理算力成本问题，公开演示很少能连续运行10分钟以上；二是以李飞飞World Labs的Marble为代表的高斯泼溅3D路线，生成的世界静态存在、渲染便宜、可导出接入游戏影视管线，但角色无法动态活动。两条路线已开始合流：World Labs的Atlas模型可从普通手机拍摄画面实现子弹时间式新角度渲染，底层为多模态扩散Transformer，可生成最长1分钟1440p视频并输出点云和3D高斯泼溅；Google则在Genie 4生成过程中引入Gemini作为引导智能体，实时观察画面、拆解目标、逐帧检查并动态调整计划，形成“Gemini规划引导+Genie生成呈现”的协同架构，官方还展示了其与Apollo人形机器人下跳棋的模拟。

文章认为，世界模型有望改变游戏、互动和影视内容生产方式。当前3A游戏开发周期长、成本高，大量内容需提前设计，而世界模型可根据世界观、人物关系和任务规则动态生成线索、场景与事件，玩家选择会改变后续故事，无需开发者预制全部剧情。