原文对比了四家机构对世界模型的不同定位，并指出实时渲染的物理一致性仍受限于算力成本。
Google DeepMind 称 Genie 4 是其迄今为止最逼真、最具交互性的世界模型。将摄像头对准文本提示，即可得到一个实时的、物理上一致的空间，你可以漫步其中，物体会以应有的方式下落，画面中的人物会做出反应而非循环播放。该模型基于 Gemini Omni 构建，这一公告在一天内获得了 220 万次观看，并在其专属的热搜话题中攀升至超过 1.68 万篇帖子。
此次发布所属的类别远不止一个演示那么简单。Fei-Fei Li 创办的 World Labs 为其空间智能模型 Marble 筹集了 10 亿美元，NVIDIA 和 AMD 均参与了投资，据报道该公司正在就新一轮融资进行谈判，估值接近 50 亿美元。Decart 则押注于驾驶模拟：Oasis 3 通过 API 生成数小时的 photorealistic（照片级真实）道路 footage，并获得了 3 亿美元的新融资，使公司估值接近 40 亿美元。NVIDIA 选择了开放路线，推出了 Cosmos 3，这是一个世界基础模型，它将其提供给机器人和自动驾驶汽车感知领域使用，而非作为产品授权。
四家实验室，四种不同的赌注，关于世界模型究竟有何用途。Google 希望提供一个按需生成的创意画布。World Labs 希望为机器人和 3D 设计提供一个空间基底。Decart 希望提供一个足够便宜的模拟器，以取代真实的测试里程。NVIDIA 希望成为所有人都能在此基础上构建机器人堆栈的开放层。Genie 的早期版本以每月 250 美元的价格提供早期访问权限，这表明实时渲染物理一致世界的计算成本仍是当前故事的核心。谁能率先降低每分钟生成的成本，谁就是我押注能真正推出产品而非仅仅展示 demo reel 的那一家。
来源：Prasenjit Sarkar · x.com