AI行业的竞争，正从“生成一段视频”升级为“生成一个世界”。

美东时间周二，谷歌DeepMind正式推出新一代世界模型Genie 4。

与传统视频生成模型不同，Genie 4能够生成自带原生音频的交互式虚拟环境、并可在仿真过程中通过自然语言指令实时调整内容。

谷歌表示，这是公司迄今真实感最强、响应最快的世界模型。

谷歌发布最强世界模型Genie 4

具体来看，传统视频生成模型按提示词产出一段片段，Genie 4却构建出可供探索的环境。

据谷歌，用户漫游时画面实时持续生成，改变天气、调整镜头、新增角色和物体都无需重启场景，还能模拟空气动力学、碰撞等物理效果，人物动作与反馈也比旧版本自然得多。

音频是本次新模型的最大亮点。

Genie 4可以生成环境音、音乐和随场景动态变化的交互式对话，而非播放预录音频，这是DeepMind首款原生支持音频生成的世界模型。

新模型的底层由Gemini系列模型负责逻辑推理。

Gemini 3.8 Flash充当引导智能体，理解意图、拆解步骤、监控场景变化；研发团队还在机器人测试中尝试用旗舰模型Gemini 4 Argon拆解任务、交由Genie 4实时仿真。

谷歌研究主管Tejas Kulkarni表示：

“未来我们会越来越多地见到这类混合世界模型：Gemini负责编写代码与文本，Genie实时读取这些信息，并在不同抽象层级上对现实进行仿真。”

DeepMind工程师Diego Rivas则强调，实时特性在需要保持创作流畅感的场景下极具价值，“构思阶段、分镜阶段，所有需要快速创意迭代的环节都适用”。

但他同时坦承，项目仍处早期，面向终端用户的完整产品形态尚未确定。

目前，Genie 4只是研究预览版，定价尚未公布，访问权限将分阶段开放。

谷歌表示，Genie 4将向少量经过筛选的测试者开放，未来数周向Google AI Ultra订阅用户开放，并逐步向部分开发者提供访问权限。

Q3财报和Gemini 5是关键

本周三盘后，谷歌将发布第三季度财报。

分析师普遍预期，公司三季度每股收益3.01美元、营收1278亿美元，剔除流量获取成本后约1112亿美元。其中，广告业务预计835亿美元，云业务营收有望大增91%至289亿美元。

此外，公司向第三方数据中心出售自研张量处理单元（TPU），也有望带来可观收入。

据悉，甲骨文将成为首家采购谷歌AI芯片并部署于自有数据中心的企业。

美银全球研究分析师Justin Post表示，短期来看，TPU销售带来的业绩增量、具备竞争力的智能代理产品，以及 Gemini 4的大范围落地，都可能成为利好催化因素。

TD Cowen分析师John Blackledge则预计，谷歌在2026年下半年的TPU销售收入可达94亿美元，2027年增至625亿美元，2028年达到1380亿美元。

财报之外，市场对下一代旗舰Gemini 5的猜测也在升温。

尽管谷歌尚未证实其存在，但开发者社区普遍预期该模型将于2027年推出，搭载下一代自研张量处理器。

如果相关预测成真，这套组合有望帮助谷歌获得竞争对手难以快速追上的成本与性能优势。

不过，目前，谷歌正面临Meta日益激烈的竞争。

近期，Meta 推出了Muse AI智能代理。

扎克伯格称，已有1000万用户启用Muse，大部分用户通过该应用进行购物。

Justin Post直言，随着Muse上线，搜索业务的使用量与增长重回市场焦点，“谷歌想要在转向智能代理模式的同时维持强劲变现能力，将会面临不小挑战”。