谷歌发布世界模型Genie 4,字节与张一鸣的世界模型布局承压
谷歌于10月28日发布世界模型Genie 4,用户可用键鼠和自然语言实时干预生成的世界,为Genie系列第一个带声音的模型;官方称其仅能在短时会话中保持一致性,长时运行或多次复杂修改后视觉细节会漂移。
世界模型正从被动观看的生成视频转向可实时干预的交互世界,谷歌技术领先一步,字节押注的则是内容分发与创作者生态的落地能力。
- 影响内容生产方式可能从推荐已制内容转向按用户行为即时生成,创作与分发环节会催生新角色和新工作流;算力成本从终端头显转移到云端数据中心,用户规模越大并发成本越高;Genie 4自身物理与长时一致性未解决,现阶段更接近娱乐预览。
- 参考内容、游戏和XR企业可考虑评估可交互世界与自有IP和分发渠道的结合点;机器人与自动驾驶团队值得测试用生成式3D资产补充极端场景训练数据;相关团队可先算清云端并发成本与延迟对体验的影响再定投入。