最反直觉的是，谷歌这次发布的AI生成的世界里，人物竟然能开口跟你聊天了。
昨天（11月3日），Google DeepMind刚刚甩出了新一代世界模型Genie 4。它不再是那个只能生成一段定死、无法交互的“视频生成器”，而是一个真正可以实时操控的“世界引擎”。你输入一句指令，比如让画面里的男主回头，整个物理环境、人物动作，甚至背景里的风声、水声、人物对话，全都会随之实时变化。
这就是它跟以前那些“文生视频”最大的区别。以前的模型是单向输出的录像带，而Genie 4是双向互动的开放世界。你不仅能实时修改场景设定，让AI模拟真实物理效果，甚至还能直接在这个生成出来的小世界里跟AI角色进行对话互动。
它有什么用？目前主要还在解决AI“想象力”和“空间理解”的底层基建问题。长远来看，这种技术如果跑通了，游戏开发、影视预演、甚至更高级的具身智能（机器人理解真实物理世界），都能省下海量的算力成本。
怎么关注它的走向？你目前可以关注Google Research放出的演示视频，看看它是怎么通过简单的文字提示让整个画面跟着跑起来的。虽然官方大概率还没放出通用的API，但这种底层架构的突破，值得每一个关注AI多模态的朋友盯紧。
对普通用户的启示：别光盯着能写代码、能画画的大语言模型，世界模型这种“理解物理规律”的基础设施一旦落地，未来所有依赖空间计算的场景，门槛都会断崖式下降。谷歌这次又抢跑了一步。