游戏引擎已死？谷歌Genie 4刚刚发布，实时操控整个世界
时隔一年多，谷歌 DeepMind 的 Genie 世界模型系列终于迎来了第 4 代。
刚刚， 谷歌 DeepMind 正式官宣最新一代世界模型 Genie 4，称其为「迄今为止最逼真、交互性最强的世界模型」。
与此前只能观看的 AI 视频不同，Genie 4 能够实时生成动态环境，用户不仅可以通过键盘控制角色或镜头在其中移动，还能随时输入自然语言，改变天气、添加物体、引入新角色，观察整个场景如何随之变化。
更重要的是， 这个世界现在有了声音。
从风吹过树林、海浪拍打沙滩，到人物之间的交谈，Genie 4 能够在生成画面的同时，实时生成对应音频，虚拟人物不仅能够移动，还能对周围环境和用户输入作出反应。
与此同时， 谷歌首次将 Gemini 系列模型更深入地引入世界模拟过程：大语言模型负责理解任务、规划事件和维护场景逻辑，Genie 4 负责实时呈现动态世界。
这意味着，谷歌正在尝试解决一个比生成逼真视频更加复杂的问题： 如何让 AI 生成一个能够持续运转、响应外部干预，并尽可能遵循因果逻辑的世界。
不止画面逼真，整个世界都能实时改变
根据官方介绍，Genie 4 主要实现了四个方面的能力提升： 更逼真的视觉和物理模拟、更自然的人物动作、原生实时音频，以及由 Gemini 支持的复杂事件推理。
先看最直观的变化，这次用户不只是进入一个生成好的世界，还能在探索过程中实时改变它。
在官方演示中，一名男子站在湖面中央的悬浮平台上演奏萨克斯。周围的森林被薄雾笼罩，湖面反射着微弱的光线。
用户可以通过键盘独立移动镜头，从不同角度观察场景。人物继续演奏，周围的环境也在持续变化。
如果想改变这个世界，还可以直接输入自然语言指令，比如调整天气、移动镜头，或者加入新的人物和物体。Gemini 会结合当前场景理解这些要求，并引导模拟继续运行。
也就是说， 用户不需要重新生成整个场景，就能在一个持续运行的虚拟世界中不断修改内容。
视觉效果之外，Genie 4 还进一步提升了对物理现象的模拟能力。
比如，一颗枫树种子从空中落下，受到空气阻力影响，在空中旋转、飘落。
Google 表示，Genie 4 改进了对空气动力学、碰撞等物理现象的模拟，尤其提升了人物运动的自然程度，让角色能够根据周围环境作出相应反应。
而且，这次的世界不只有画面，还有声音。
Genie 4 是 Google 首个能够原生生成实时音频的世界模型，支持环境音、音乐，以及可以根据场景变化实时调整的人物对话。
在一段第一人称视角的演示中，用户骑着一条巨大的黑龙，以每小时 140 公里的速度穿越群山。伴随着高速飞行，耳边传来翅膀拍打、高空风声和远处的轰鸣声。
这些声音并不是后期添加的音效，而是由 Genie 4 随着视觉场景一起生成。
更进一步，场景中的人物还可以根据用户输入或正在发生的事件作出回应，展开实时对话。
Gemini 负责思考，Genie 负责生成：
世界模型走向混合架构
不过，如果说画面、物理和音频的改进，让 Genie 4 生成的世界越来越接近现实，那么 Gemini 的加入，则让这个世界开始拥有更复杂的事件发展逻辑。
按照 Google 的介绍， Genie 4 融合了 Gemini 系列模型的能力。 其中，Gemini Omni 为模拟提供真实世界的视觉与行为知识，而 Gemini 3.8 Flash 则在实时生成过程中承担引导作用。
具体来说，当 Genie 4 持续生成虚拟世界时，Gemini 3.8 Flash 会不断观察画面，将目标拆解为多个步骤，检查每一步是否已经完成，并在环境发生变化时调整后续计划。
这使得 模型不只是持续生成下一帧画面，还可以围绕一个具体目标，组织具有连续性的复杂事件。
Google 还展示了一项机器人模拟实验。
在这段演示中，Gemini 4 Argon 与 Genie 4 合作，模拟了 Apptronik Apollo 人形机器人下国际跳棋的过程。
Gemini 4 Argon 负责将用户要求拆解为一系列步骤，再通过实时文本指令引导 Genie 4 生成相应场景，让整个模拟过程随着任务进展不断变化。
Google 将这一技术方向称为 混合世界模型（Hybrid World Models）。
简单来说，就是让 Gemini 负责逻辑推理、任务规划和事件组织，Genie 负责生成世界的视觉、声音和动态反馈。两者结合，有望让虚拟环境具备更好的连贯性和可控性。
当然，这项技术的价值不只在于创造一个有趣的虚拟世界。
Google 表示，早期测试者已经开始探索 Genie 4 在影视预演、历史场景重建、游戏原型制作以及工业模拟等领域的应用。
例如，电影制作人员可以直接进入生成的场景，实时调整镜头、灯光、台词和人物动作；游戏开发者则有机会通过自然语言，在编写游戏引擎代码之前，快速体验一个可以探索的原型。
更长远的目标，是利用这些可控的虚拟环境，为机器人和 Agent 提供训练及测试场景，让它们在进入真实世界之前，先尝试执行复杂任务。
目前，Genie 4 已向部分受信任的测试者开放研究预览，未来将通过 Project Genie 向 Google AI Ultra 用户提供，并向 Gemini API、Google AI Studio 的早期合作伙伴开放。
距离真正的「无限世界」，还有多远？
尽管 Genie 4 的演示已经非常惊艳，但它距离一个能够无限运行、完全符合现实物理规律的虚拟世界仍有明显距离。
Google DeepMind 在官方博客中也明确承认， Genie 4 仍是一项早期研究成果。
首先是 长期一致性问题， 虽然 Genie 4 能够在短时间的交互过程中维持环境的连贯性，但随着时间推移，视觉细节和物体的持续存在性仍可能发生变化或偏移。尤其是在模拟运行时间较长、经过多次复杂的提示词修改，或用户在场景中持续探索移动时，这类问题会更加明显。
其次，在复杂物理交互的模拟、实时音频的准确性、清晰可辨的文本渲染、空间精度等方面，仍是接下来需要持续研究和改进的重点方向。
值得一提的是，官方表示， Genie 4 生成的视频和音频都将包含 Google 的 SynthID 数字水印，以帮助识别 AI 生成内容。
但仍不可否认的是，Genie 4 带来了新的可能。
「全息甲板」要来了？
Genie 4 一经发布，便在 X、Reddit 等社交平台上引发了大量讨论。
有人已经开始畅想，游戏和虚拟现实会因此发生怎样的变化。
Reddit 上，一位网友设想：「如果把这项技术用在增强现实（AR）中，我们基本上就有了一个全息甲板的原型。」