Google DeepMind近日发布了新一代世界模型Genie 4。它不仅能实时生成可交互的虚拟世界，还能与Gemini大模型打配合：Genie 4负责“构建世界”，Gemini负责“观察规划”，让AI机器人在虚拟环境中执行下跳棋等复杂任务，并随时响应新指令。

这背后需跨越三大技术挑战：

首先是“动态干预”。过去模型像放电影，现在则像互动游戏。它必须实时接收新指令，精准改变局部环境，同时保持前后动作和物理状态的连贯。

其次是避免“因果幻觉”。AI自己生成画面又自己判断任务成败，容易“指鹿为马”。视觉上看着连贯，未必符合真实物理规律，因此需引入外部规则核验，防止AI自欺欺人。

最后是“异步协作”。高频生成画面的Genie 4与低频思考的Gemini速度不同。系统需解决指令延迟、长期记忆与短期视觉的冲突，以及音视频同步等问题。

尽管挑战重重，Genie 4正推动世界模型从“场景生成”走向“任务控制”。若攻克这些难题，它将成为具身智能的终极“虚拟健身房”，彻底解决机器人训练缺乏真实物理数据的痛点。