这周AI圈最热闹的瓜，是谷歌DeepMind在10月27日甩出的Genie 4。发布会视频里，研究员敲下一句"一个忙碌的写实餐厅后厨"，然后直接用键盘鼠标走了进去——抓起台面上的黄瓜，问正在颠锅的厨师"你在做什么"，厨师回了一句"晚市的香草大蒜煎三文鱼"，口型对得上，声音是现场生成的。知乎
弹幕齐刷刷喊"游戏引擎已死"。但先别急着送终，这个能走进去的世界，离能玩的游戏还差着好几层。
它跟视频生成，根本不是一回事
Sora、Veo是"拍给你看"的：输入提示词，吐出一段封死的视频，你只能按播放键。
Genie 4是"让你进去改"的：它一帧一帧根据你的动作实时往下算，是"根据用户输入逐帧渲染环境，而不是生成现成的预制视频"。你按W前进、晃鼠标转视角，还能边逛边打字改世界——喊一声"A whale!“湖面就真有鲸鱼跃出来，再补一句"It starts to snow.”，雪就落在人物头发上。知乎知乎
这次的三个升级点：
原生音频：环境声、音乐、对话和画面由同一个模型同步生成，官方称之为首个原生生成音频的实时世界模型。上一代还是个"寂静的世界"，这次NPC能跟你即兴唠嗑。知乎
实时自然语言控制：从"单纯探索"变成"边逛边改"，演示里研究员实时打字往沙发边加了一条龙，又让龙当场喷火。知乎
Gemini当导演：Gemini负责推理和规划，盯每一帧画面、拆解你的意图、确认这步做没做成。语言模型管逻辑，像素模型管画面，"想"和"画"第一次被拆成了两个能分别升级的部件。知乎
但翻车现场，就藏在官方演示里
还是那个餐厅后厨。演示到一分半，厨师像是卡了带，“把刚才那句晚市煎三文鱼几乎一字不差地又重复背诵了两遍”；主持人指着几个长相雷同的NPC问"这几个人是双胞胎吗"，团队成员笑着接话：“要是你转过身去，背后还有三个。”。至于打字叫出来的消防喷淋，水流物理效果相当诡异。知乎
官方也没藏着掖着，直接列了三条没解决的问题：“视觉细节和物体恒常性会随着时间漂移”，实时音频准确度不够，空间精度也不够。单次模拟时长约2分钟，是上代的两倍。但跑满2分钟，不代表这2分钟里世界始终一致。知乎知乎哔哩哔哩
一句话：它记得住你推开的门，但记不太住门后那个世界。
现在谁能用上？基本都用不上
Genie 4目前是"研究预览"，“仅以"研究预览"（research preview）的形式开放给少数受信测试者（trusted testers）”。之后才轮到Google AI Ultra订阅用户在Project Genie里体验，以及Gemini API、AI Studio的早期合作伙伴。没有公开的分辨率、帧率参数，也没有第三方复现——“自己评估自己"和"别人验证过”，是两回事。知乎知乎
落地场景倒挺务实：影视前期预演，创作者进入场景调机位、光线和台词；游戏先生成可走动的概念原型，再定视觉风格和玩法。DeepMind产品经理Diego Rivas说得很克制：目标是扩大现有创作方式的可能性，而非宣告相关行业的生产流程已被全面取代。知乎知乎
普通人现在该记住什么
短期看，Genie 4跟你的关系不大——排队都排不上。但它背后的思路值得偷师：先走进去试，再决定做什么。
创意讨论最贵的从来不是执行，是"我说不清我想要的"。一个能实时改的草稿世界，把"你想象一下"变成了"你走进去看看"。
至于"游戏引擎已死"？商业游戏要的是稳定规则、可重复机制、精确操控和长期维护，实时生成的世界一样都给不了，“仍需克服技术和产品化挑战”。现阶段它是一张会动的草稿纸，不是生产线。知乎
世界模型这条路确实通了，但今天先别入戏。等它从研究预览变成人人能用的工具，我们再算这笔账不迟。
