河北
世界模型跑通那天，AI 的规则会重写一次
最近刷到不少 AI 生成的视频，画面是越来越唬人了，可细看总有地方感觉不对劲——倒的水不往下流，人一转身就多出一只手。说白了，AI一直在"画"视频，却不太懂"物理"。这阵子，谷歌和 Runway前后脚放出的两个新东西——Genie 4和GWM Worlds 2，有望补上这块短板——但，它们不叫"视频生成模型"，而叫"世界模型"。名字差两个字，方向却差着十万八千里。
从"画一段视频"到"搭一个世界"，这是两件事
谷歌10月27日发布Genie 4，最长能把一个世界模拟到两分钟左右，是上一代的近两倍。最狠的是第一次把声音和画面一起生成，环境音、音乐、人物对话都是现场"长"出来的，你说一句它回一句。你还能用大白话随时改天气、加角色、动镜头，改完接着演，不用重新生成。这背后是 Gemini 当"大脑"，一边看画面，一边帮你把指令拆成一步步的戏。Runway 的GWM Worlds 2来得更早，9月3日便已亮相。支持720p画面及48kHz声音，没有时长上限，你想在里面待多久都行。它的 World Prompt 格式把"世界规则"和"动作指令"分开存，你让角色挥矛、让房间灌水、让沙暴逼近，它都接得住。
这两个东西有个共同点：以前AI视频是"拍给你看"，现在这两个是"让你进去玩"——你动它才动，还尽量顺着物理规律来。
玩法不同，但都奔着同一件事：让AI懂物理
谷歌把宝押在"推理大脑"上，靠Gemini实时规划、盯进度、纠偏差，走的是自然语言即时指挥的路子；Runway从视频生成起家，用蒸馏把几十步的生成压到四步，换来了"边生成边响应"的实时性，走的是结构化指令的路子。两家模式不一样，但都卡在同一个坎上：跑久了场景会漂、复杂物理还不准、实时生成要牺牲画质。它们自己都承认，这还是研究阶段的东西。
可就算这样，对三个行业的撬动已经看得见：影视、游戏和机器人。
影视这边，VFX预演不用再等长渲染，机位、台词当场改、当场看效果；游戏这边，一句话就能搭出可探索的原型，市场已经嗅到味道，Unity等游戏股一度被抛售；机器人这边，最值钱——让 AI 在虚拟世界里练手、练胆，练熟了再挪到现实里。对影视和游戏来说，它是省时间的工具；对机器人来说，它是练胆的地方。
中国不是没牌，只是牌面打法和海外不一样
大模型厂商扎堆做机器人，说到底是想给AI补一堂"物理课"——语言和图片它都懂了，唯独不懂世界怎么运转，而这条路的尽头是AGI。
中国不是没动静。智元GE 2.0拿了WorldArena"感知与动作响应"赛道总分第一，2B参数干翻了一众大模型；商汤"开悟"、极佳视界也在具身智能这条线上跑得很快。面向普通人的通用交互世界模型，国内其实早有人做了——阿里 HappyOyster今年4月就公开开放，能漫游、能改剧情、还带原生音频，比谷歌和Runway的"研究预览"更像产品；昆仑万维的Matrix-Game 4.0更直接，10月刚开源，单张家用显卡就能60帧实时跑一个AI生成的游戏世界。
但咱们也得承认差距：海外旗舰把"推理大脑+实时对话+照片级画质"打包成一个整体，而国内产品更多是单项能力的组合；基础研究深度、商业验证路径和生态，也都还差一口气。当然，因此就说中国慢半拍，也未必——榜单第一是中国的，能玩的产品也不缺，慢的更多是"把牌打成一整套"的那一步。
结语：
Genie 4和GWM Worlds 并不完美，两家公司自己也承认，这些模型还是研究阶段，跑久了会漂、物理会出错。但方向已经摆在那：一旦世界模型真跑通，AI就不再只会"看"和"说"，而是开始"懂"这个世界怎么运转。到那天，影视、游戏、机器人的规则都要重写一遍。对中国的科技公司来说，这既是新战场，也是一道更难解的题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
