谷歌，推出重磅模型

来源：上海证券报

美东时间10月27日，Google DeepMind正式揭晓新一代世界模型Genie 4，目前已向受邀测试者开放。

与单纯追求视频生成质量的路径不同，Genie 4的定位是“可实时操控、可听、可推理的动态模拟世界”。它原生支持音频生成，能根据场景实时输出环境音、音乐乃至角色对话。

从演示动画来看，用户可通过自然语言在模拟中途直接改写天气、镜头角度或引入新对象，且模型能在最长两分钟的窗口内维持场景一致性，并首次支持原生音频生成。

除此之外，Genie 4最特别的一点在于，生成世界的整个过程不需要预先制作三维地图，也没有固定的场景演出，AI会根据用户的操作持续生成接下来发生的事情。

之所以能实现这种极其丝滑的生成体验，很重要的技术更新在于，此次谷歌在Genie 4上采用了一种“生成与推理分离、多模型实时协同”的混合架构。

在此架构下，Genie 4本身更接近一个世界生成引擎，谷歌旗下另一大模型系列Gemini家族则作为“外挂的认知与控制系统”，在实时循环中为Genie 4注入现实感、逻辑和任务执行能力。

其中，Gemini Omni为模拟提供真实世界的外观与行为锚点，Gemini 3.8 Flash则作为循环中的“引导代理”，持续观察场景、拆解目标并校验每一步进展，使世界模型从被动渲染器升级为具备多步事件推理能力的动态环境。

早在2024年，Google DeepMind就推出了Genie 1，尝试从视频中学习动作与环境变化之间的关系。随后，Genie 2将能力扩展到可探索的三维环境，2025年发布的Genie 3则实现了实时生成、实时交互。

作为又一款重磅模型，此刻发布的时间点，恰好也正值谷歌AI投资叙事最受审视的阶段。公开披露显示，谷歌定于美东时间10月28日盘后发布2026年第三季度财报，市场预期营收约1278亿美元，云业务增速料攀升至90%以上。

然而，回溯今年谷歌的财报就会发现，公司的资本开支指引经历了两轮显著上修：年初给出的区间为1750亿至1850亿美元，第二季度财报后将全年预期推高至1950亿至2050亿美元，公司明确资金绝大部分流向服务器、数据中心与网络设备。

这种颇为激进的AI投入结果也非常直观：第二季度资本开支高达449亿美元，谷歌云积压订单攀升至5140亿美元的历史高位，公司自由现金流转为负59亿美元，为上市以来首次。

有市场人士认为，面对投入与未履行订单的“双高”局面，Genie 4所瞄准的机器人训练、影视预演与交互式学习，正是将这种算力投入向更高附加值场景延伸的一次尝试。

作者：罗茂林