Google DeepMind於週二以研究預覽形式推出新一代世界模型Genie 4，可依文字或圖像提示建立可互動場景，並在模擬進行中即時調整天氣、鏡頭角度、人物與物件。Genie 4可將一致場景維持最長兩分鐘，較前代Genie 3延長一倍，同時提升畫面擬真度、物理規則與人物行為的擬人程度。
新模型不只輸出視覺內容，還能依場景即時生成音樂、環境噪音與對話，並支援自由形式的即時操控。Gemini 4 Argon的機器人實驗已能將任務拆解為步驟，再交由Genie 4模擬執行，顯示世界模型正由內容生成工具轉向機器人訓練與驗證平台。
Genie 4現階段僅向Google測試夥伴、AI Ultra訂閱者，以及Gemini API與Google AI Studio早期合作夥伴開放。Google也承認，長時間模擬仍可能出現物件細節漂移，音訊準確度與場景內文字可讀性亦尚未完全解決。
世界模型市場正從單純的AI影片競賽，轉向「誰能掌握即時互動環境」的平台競賽。Google同時掌握Gemini、Genie、Project Genie、Veo、Gemini API與AI Studio，能把文字推理、視覺生成、音訊生成、機器人規劃及開發者工具串成完整技術棧。這種垂直整合是Genie 4真正的戰略價值：競爭對手不只要生成單一影片，還必須證明能持續維持世界狀態並回應使用者指令。
Google面對的壓力同樣明顯。Runway推出具動態回應與音訊功能的GWM Worlds 2；AMD洽購World Labs、亞馬遜洽談收購Decart，Rivian則收購Third Dimension以內化自動駕駛模擬能力。收購潮顯示資本正把世界模型視為可收購的策略資產，而非短期內容應用。World Labs能帶來高階空間智能與3D世界研究能力，Decart具備即時生成技術，Third Dimension則能協助Rivian降低外部模擬依賴並累積自駕測試資料。
這並非單純的技術併購，而是模型、算力、資料與應用入口的爭奪。Google的優勢是全棧整合，劣勢則是產品仍停留在研究預覽，且長時一致性、音訊可信度與文字清晰度尚未過關。Runway等專業製作端更貼近電影與遊戲工作流，可能率先建立專業用戶習慣；AMD與亞馬遜則可透過硬體或雲端通路，把世界模型嵌入運算與服務基礎設施。最終勝者未必是模型最逼真者，而是能在可控性、延遲、成本與商業閉環上建立標準的供應商。
從生成式AI的演進來看，世界模型可類比大型語言模型由文字生成走向代理人，再由代理人走向可操作環境。未來競爭將從「生成得像不像」轉向「能否持續、可控且低成本地運作」，這也是Genie 4相較前代真正重要的地方：即時操控、音訊回應與Gemini任務拆解開始形成閉環。
01 起因觸發：Google DeepMind以研究預覽形式發布Genie 4，整合即時操控、生成式音訊與Gemini任務規劃
02 一階傳導：遊戲、電影分鏡、互動教育、機器人模擬與自動駕駛測試開始採用世界模型
03 二階擴散：AMD洽購World Labs、亞馬遜洽談收購Decart、Rivian收購Third Dimension，資本與算力通路加速整合
04 宏觀終局：世界模型可能由內容工具升格為通用模擬層，進而改寫數位內容、機器人研發與自動駕駛的成本結構
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
