DeepMind发布Genie 4：从“生成内容”迈向“构建世界”
DeepMind本周正式发布Genie 4模型。该模型由Gemini 3.8 Flash驱动，核心能力在于根据文本指令生成具备声音效果、可交互的3D虚拟世界。例如输入“下雨天的东京街头”，即可生成包含湿滑街道、霓虹光影及环境音效的沉浸式场景，用户可在其中自由探索。
相比前代，Genie 4将单次模拟时长从1分钟延长至约2分钟，主要面向影视预演、游戏原型设计及机器人训练等B端应用场景。这一突破标志着AI技术正从单纯的“内容生成”向“世界构建”演进。
技术演进：从二维修图到三维沉浸
回顾过去七年，AI视觉技术的发展路径清晰可见：
- 2019年（图像处理）：以Photoshop辅助功能为代表，AI主要进行二维平面的像素级修改，如换背景、修瑕疵。
- 2021年（图像生成）：Midjourney、DALL·E等模型兴起，实现从文本到二维图像的生成，但仍局限于视觉观看。
- 2024年（视频生成）：静态图像转化为动态视频，但用户依然处于旁观者视角。
- 2026年（世界构建）：Genie 4跳过传统视频生成逻辑，直接构建带有物理属性和音频的三维空间，实现了从“看图”到“入景”的质变。
产业动态：物理AI全产业链加速落地
Genie 4的发布并非孤立事件，全球“物理AI”产业链近期动作频繁，显示出技术落地的加速趋势。
巨头布局与资本并购
在英伟达GTC柏林大会上，黄仁勋明确指出“下一波浪潮是物理AI”。Meta宣布扩大Muse系列模型合作，并部署英伟达Vera Rubin算力集群及Spectrum-X网络。与此同时，AMD宣布拟以82亿美元收购物理AI领域初创公司World Labs，创下该领域最大收购纪录。
硬件量产与市场反应
特斯拉Optimus人形机器人量产版已正式下线。受此带动，A股市场中物理AI及机器人概念股持续走强。这表明物理AI已走出实验室，开始进入工厂、家庭等实际应用场景。
市场反差：技术繁荣背后的融资焦虑
尽管物理AI产业进展迅猛，但华尔街对AI行业的融资焦虑却达到新高，呈现出“前景光明，商业化艰难”的巨大反差。
巨额亏损与高额融资
Anthropic提交的纳斯达克S-1招股书显示，2025年上半年其收入为163亿美元，但净亏损高达807亿美元，算力采购承诺超过2700亿美元，呈现“赚1元烧5元”的状态。同日，Meta计划筹资950亿美元，SpaceX完成约400亿美元债务融资。
行业困境
一边是Genie 4构建虚拟世界、Optimus量产下线等技术突破；另一边是大模型企业普遍面临巨额亏损和巨大的算力成本压力。AI产业虽已具备“造世界”的能力，但高昂的成本使得商业化门票尚未找到合适的买单者。
国内进展：聚焦开源与自主可控
不同于海外巨头急于上市和高额融资，国内AI企业更侧重于底层技术夯实与应用落地。
- 月之暗面：发布开源旗舰模型Kimi K3.1 Pro，拥有约3万亿参数及100万Token上下文窗口，综合性能接近顶尖闭源模型，API价格大幅下调，完整权重将于11月4日前公开。
- 科大讯飞：推出SparkAudio 1.0语音基座，基于全国产算力训练，同传MOS评分提升至4.6，并已应用于讯飞输入法及AI录音硬件。
- Liquid AI：开源LFM3系列模型，采用tri-hybrid混合架构，以更少参数实现更优效果，支持同一底座微调多款模型。
国内产业界正通过开源生态、端侧部署及全栈自主可控策略，稳步推动技术发展。
未来展望：重塑行业与成本挑战
随着AI具备构建世界的能力及物理AI的量产，以下领域将迎来深刻变革：
- 影视与游戏重构：Genie 4已应用于影视预演和游戏原型开发。未来制作团队可能仅需编剧核心创意，场景构建将由AI自动生成，极大降低制作门槛。
- 机器人训练加速：通过AI构建高保真仿真世界，机器人可在虚拟环境中高效训练，几分钟的模拟训练效果可能等同于真实世界中数年的试错，显著提升迭代速度。
- 成本压力持续：尽管应用前景广阔，但支撑Genie 4、World Labs及Optimus背后的算力与硬件成本极高。融资焦虑短期内不会消失，如何平衡技术投入与商业回报仍是行业核心难题。
总体而言，AI已从简单的图像编辑进化为世界构建者，但构建这个新世界的经济模型仍在探索之中。
注：以上信息整理自DeepMind官方博客、英伟达GTC、Anthropic S-1文件、环球时报及腾讯研究院AI速递等公开来源，发布时间2026年10月28日。涉及模型性能、融资规模及收购金额均以各官方发布为准，本内容不构成任何投资建议或技术选型建议。