一夜暴跌20%！但谷歌Genie3再厉害，也颠覆不了这两个行业

抓住风口

本期要点：如此惊艳的技术，究竟有什么用？

你好，我是王煜全，这里是王煜全要闻评论。

当AI能一键生成虚拟世界时，也在考验我们对价值本身的认识。

上周五，谷歌DeepMind发布了一段视频，演示了其最新模型Genie 3的能力。没有复杂的代码和漫长的渲染，只需输入一句话或一张草图，一个可以实时探索的3D世界就生成了。

视频里，一个像素风格的角色在城市中跑动跳跃。它踏过积水时水面倒影会随之变形，碰到障碍时扬起的尘土也会自然散开。

不过，要注意的是，Genie 3并没有预置牛顿定律或光影方程，而是通过观察海量画面，自己总结出了图像的变化。

目前，只有每月支付250美元订阅费的用户可以使用该功能。它支持720p分辨率、每秒24帧的画面，单次体验限时60秒。即便如此，仍然引发了资本市场剧烈震荡。Roblox重挫13%、Unity跌超20%。大家的理解也很简单，如果一句话就能生成3D世界，那传统游戏开发公司也就危险了。

此外，也有人认为，Genie 3将有助于构建虚拟仿真环境，可能会极大促进自动驾驶和机器人训练，甚至让特斯拉辛辛苦苦积累的真实数据失去优势。

但从产业角度来看，这些判断可能过于简单。一方面，当内容生产门槛归零时，工具将贬值，运营和平台将产生溢价。另一方面，Genie 3虽然能生成虚拟场景，却无法模拟真实世界的因果关系。只有将AI与真实物理规则结合起来，才能构建可用的训练环境。

利好还是利空？

首先，当AI大幅降低创作门槛，工具本身的价值会大幅缩水，但也让用户社群和运营能力变得更重要。

原因也很简单，工具没有办法替代平台。

Roblox股价暴跌，但其核心价值并不会因为Genie 3而贬值。因为它并不是3D建模工具，而是整个社交游戏生态，包括成熟的创作者收入分成、用户社交关系和长期维护的社区运营。

如果每个人都能通过一句话生成虚拟场景，竞争焦点也就从“谁会做内容”转向“谁拥有用户”、“谁更懂用户”。谷歌曾尝试涉足云游戏平台Stadia，但由于缺乏运营能力，最终在2023 年关停。可见哪怕拥有顶尖技术，也难以对已经成熟运作的平台产生颠覆性冲击。

Genie 3提供的“零成本生成”能力，对Roblox来说不仅不是威胁，他们反而可能多了一个可被迅速集成的内容生产插件。

简单说，明明是对自己利好的消息，Roblox却被股民误伤了。

此外，背靠Epic Games的顶尖引擎Unreal，虽然是游戏开发工具，服务的是却大制作、高保真的游戏，对确定性和精细度有极高要求。

Genie 3很难直接用于数亿美元预算的3A游戏的开发中，反而是Unreal的补充。Genie 3快速生成大量内容和环境的初稿，再由专业引擎进行精细调整。二者结合，既提升开发效率和创意自由度，还能保持高质量作品所要求的精度。

相比之下，那些缺乏独特生态的平庸引擎和平台，比如定位于中小型3D开发的平台，像Unity，如果要开发出和Unreal同样画质的东西，就要付出更多的努力，因此常被用来开发简单的3D场景，确实在这场变革中会收到影响。

虚拟训练？

另外，Genie 3为代表的AI生成模型，真能像大家期待的那样，用来训练自动驾驶汽车和机器人吗？

从原理上看就有很大问题。

Genie 3只是给出了看起来合理的视觉画面，而不是遵循物理定律的必然结果。这意味着它不仅容易出错，且根本不懂因果关系。

因此，它虽然可以构建虚拟环境，但可能其中很多地方在物理层面就是错的。在这种环境下训练的机器人模型，很可能学到的是错误知识，需要大量人工调试才能实际使用。

但更关键的是，Genie 3没办法提供真实的反馈。仿真环境永远无法完全复现现实世界的复杂细节。如果AI不知道在真实世界里撞墙后会导致什么后果，拿一个杯子该用多大力气，那么它在虚拟世界中练习再久，到现实中也仍然会失败。

自动驾驶领域同样如此。

目前，英伟达热衷于通过虚拟场景训练AI，以应对极端罕见状况，而特斯拉选择在真实道路上积累数据。表面上看，英伟达的路径似乎更高效——即使从未见过某种极端情况，也可以模拟出来进行训练。而特斯拉需要车辆真的碰到这些情况，才能学会如何应对。

二者的本质区别在于，特斯拉采集的人类驾驶数据，包含了真实交通中的因果博弈与决策后果，这种基于物理现实的反馈，是AI做出可靠判断的基础；而英伟达仅依赖虚拟训练的系统，由于缺乏对真实因果的体验，其决策可能建立在错误的假设上，结果也将不堪设想。

所以，英伟达大概率也仍然会大面积采集真实的路测数据，虚拟仿真只有在因果关系被充分理解和建模后，才能作为训练场。

如今，特斯拉在开发人形机器人Optimus时，也是由人类穿戴上动作捕捉装置来搬箱子、拧螺丝，再让机器人模仿学习。数据的核心不是“多”，而是“真”。

据了解，一些初创公司也在采用类似的“人类教练”模式，雇佣操作员控制机器人执行任务，或是穿着带有传感器的服装为机器人演示操作，从而积累海量高质量训练数据，卖给有需要的机器人公司。

正像Meta的前首席科学家杨立昆所指出的，真正的世界模型应该预测“状态”，而不是生成“像素”。他的团队尝试用物理作为先验约束，以提升模型与真实世界的一致性。而李飞飞团队则致力于融合多模态仿真与真实数据，构建更具可信度的虚拟环境。这些路线才更有可能用于机器人和自动驾驶领域的训练。

而Genie 3这种能快速搭建逼真场景的工具，只能用于不带来真实后果的领域，比如生成教学演示场景、游戏画面的预设计以及影视剧的视觉预演。

这也表明，真正的机会不在于能否生成一个虚拟场景，而在于为其贴上真实的物理标签。因为真实世界比语言复杂得多，没有人类的正确标注和演示，AI自己瞎练，只会南辕北辙。

所以，面对新技术，我们既要理解其原理，也要看清其适用边界与产业影响。盲目追逐酷炫的表象，却忽视谁能用工具持续产生价值，就容易误判和恐慌；没有看懂原理，就断言某个行业将被颠覆，也会掉入泡沫的陷阱。

以上就是今天的内容，更多科技产业的前沿分析与趋势洞察，我在科技特训营中进行了持续分享，如果你也感兴趣，欢迎加入，和我一起，先人一步，领先一路！

此外，也向各位家长推荐前哨AI冬令营。最好的学习是亲手实践，我们将通过高强度的集训，让孩子能亲自上手完成一个真实的AI项目，从理解AI到驾驭AI。目前剩余席位已经不多，快快点击链接了解详情吧。

王煜全要闻评论，我们明天见。

注：本文仅作为技术和产业分析，不构成任何投资建议。

↓长按图片扫码报名，先人一步，领先一路

最后， 鉴于公众 号推送机制的改变，你未来刷 到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间 得到我的独家前沿分析，而且我们还会每天在粉丝群里发布独家资料，快快扫码加入吧！

此外，我们还为您准备了一个思维导图，扫描加群即可领取

“自动驾驶技术分析”

↓点击学习王煜全老师最新大师课，掌握马斯克的赚钱底层逻辑！