世界模型能自己演一出戏:企业试点先在虚拟世界里练,省的是真金白银的试错成本

它到底能干什么

用最直白的话讲：你打一句话或给一张图，它就生成一个能走进去的地方；你用键盘走动，用一句话中途改天气、换镜头、加一个人，世界会接着演下去，不用重开。声音是这次最大的变化：风声、海浪、音乐、人物对话都是模型现场生成的，这是 DeepMind 第一个能原生出声的实时世界模型。

背后有两个分工：Gemini Omni 负责让世界里的东西看起来、动起来像真的；Gemini 3.8 Flash 在循环里当向导，把大目标拆成步骤、逐帧检查进度、随时调整计划。DeepMind 举的例子很具体：它和 Gemini 4 Argon 配合，让一台人形机器人 Apollo 在虚拟世界里下一盘跳棋，步骤是实时拆出来的。

企业能用它练什么

受邀测试者的用法已经给出了方向：

• 机器人和 Agent 的训练场：先在虚拟世界里练操作，撞坏了也不心疼，再上真实设备。
• 拍片和演示的预演：导演先在模拟里走几遍机位、光线和对白，再决定实拍方案。
• 应急和历史场景：记者用一张老照片还原出一个可以走进去的历史空间；团队模拟洪水、野火这类短期事件怎么蔓延。
• 从零生成场景：企业合作方在用它快速生成“第一个版本”的场景，看看流程跑不跑得通，再决定投不投。

共同点只有一个：真实世界里最贵的三样东西——场地、设备、风险——在模拟里都便宜。

边界：现在还只能演两分钟

先泼一盆冷水。据报道，Genie 4 的场景目前大约能稳定维持两分钟，是上一代 Genie 3 的两倍，但两分钟之后细节就开始漂移：东西会变样，位置会跑偏。复杂物理、清晰文字、空间精度也都还在研究中。DeepMind 自己说得很坦白：这是一个早期研究预览，不是生产工具。

所有 Genie 4 生成的视频和音频都会带上 SynthID 水印，这是一个好的信号：生成的东西能被认出来，不会悄悄混进真实素材。

转型落点：试点预算改算法

正在立项 AI 试点的企业，可以把预算算法改一下：立项会上先问一句——这件事能不能先在模拟里跑一百遍？能跑的，先跑模拟，再谈真实投入；跑不了的，再谈场地和设备。省下来的不只是钱，更是真实世界里一次失败带来的时间损失和安全风险。

等它向更多企业开放时，先拿到手的不一定是技术最强的团队，而是早就想清楚“拿它练什么流程”的团队。流程清单现在就可以列起来。