一夜暴跌20%！但谷歌Genie3再厲害，也顛覆不了這兩個行業

抓住風口

本期要點：如此驚艷的技術，究竟有什么用？

你好，我是王煜全，這里是王煜全要聞評論。

當AI能一鍵生成虛擬世界時，也在考驗我們對價值本身的認識。

上周五，谷歌DeepMind發布了一段視頻，演示了其最新模型Genie 3的能力。沒有復雜的代碼和漫長的渲染，只需輸入一句話或一張草圖，一個可以實時探索的3D世界就生成了。

視頻里，一個像素風格的角色在城市中跑動跳躍。它踏過積水時水面倒影會隨之變形，碰到障礙時揚起的塵土也會自然散開。

不過，要注意的是，Genie 3并沒有預置牛頓定律或光影方程，而是通過觀察海量畫面，自己總結出了圖像的變化。

目前，只有每月支付250美元訂閱費的用戶可以使用該功能。它支持720p分辨率、每秒24幀的畫面，單次體驗限時60秒。即便如此，仍然引發了資本市場劇烈震蕩。Roblox重挫13%、Unity跌超20%。大家的理解也很簡單，如果一句話就能生成3D世界，那傳統游戲開發公司也就危險了。

此外，也有人認為，Genie 3將有助于構建虛擬仿真環境，可能會極大促進自動駕駛和機器人訓練，甚至讓特斯拉辛辛苦苦積累的真實數據失去優勢。

但從產業角度來看，這些判斷可能過于簡單。一方面，當內容生產門檻歸零時，工具將貶值，運營和平臺將產生溢價。另一方面，Genie 3雖然能生成虛擬場景，卻無法模擬真實世界的因果關系。只有將AI與真實物理規則結合起來，才能構建可用的訓練環境。

利好還是利空？

首先，當AI大幅降低創作門檻，工具本身的價值會大幅縮水，但也讓用戶社群和運營能力變得更重要。

原因也很簡單，工具沒有辦法替代平臺。

Roblox股價暴跌，但其核心價值并不會因為Genie 3而貶值。因為它并不是3D建模工具，而是整個社交游戲生態，包括成熟的創作者收入分成、用戶社交關系和長期維護的社區運營。

如果每個人都能通過一句話生成虛擬場景，競爭焦點也就從“誰會做內容”轉向“誰擁有用戶”、“誰更懂用戶”。谷歌曾嘗試涉足云游戲平臺Stadia，但由于缺乏運營能力，最終在2023 年關停。可見哪怕擁有頂尖技術，也難以對已經成熟運作的平臺產生顛覆性沖擊。

Genie 3提供的“零成本生成”能力，對Roblox來說不僅不是威脅，他們反而可能多了一個可被迅速集成的內容生產插件。

簡單說，明明是對自己利好的消息，Roblox卻被股民誤傷了。

此外，背靠Epic Games的頂尖引擎Unreal，雖然是游戲開發工具，服務的是卻大制作、高保真的游戲，對確定性和精細度有極高要求。

Genie 3很難直接用于數億美元預算的3A游戲的開發中，反而是Unreal的補充。Genie 3快速生成大量內容和環境的初稿，再由專業引擎進行精細調整。二者結合，既提升開發效率和創意自由度，還能保持高質量作品所要求的精度。

相比之下，那些缺乏獨特生態的平庸引擎和平臺，比如定位于中小型3D開發的平臺，像Unity，如果要開發出和Unreal同樣畫質的東西，就要付出更多的努力，因此常被用來開發簡單的3D場景，確實在這場變革中會收到影響。

虛擬訓練？

另外，Genie 3為代表的AI生成模型，真能像大家期待的那樣，用來訓練自動駕駛汽車和機器人嗎？

從原理上看就有很大問題。

Genie 3只是給出了看起來合理的視覺畫面，而不是遵循物理定律的必然結果。這意味著它不僅容易出錯，且根本不懂因果關系。

因此，它雖然可以構建虛擬環境，但可能其中很多地方在物理層面就是錯的。在這種環境下訓練的機器人模型，很可能學到的是錯誤知識，需要大量人工調試才能實際使用。

但更關鍵的是，Genie 3沒辦法提供真實的反饋。仿真環境永遠無法完全復現現實世界的復雜細節。如果AI不知道在真實世界里撞墻后會導致什么后果，拿一個杯子該用多大力氣，那么它在虛擬世界中練習再久，到現實中也仍然會失敗。

自動駕駛領域同樣如此。

目前，英偉達熱衷于通過虛擬場景訓練AI，以應對極端罕見狀況，而特斯拉選擇在真實道路上積累數據。表面上看，英偉達的路徑似乎更高效——即使從未見過某種極端情況，也可以模擬出來進行訓練。而特斯拉需要車輛真的碰到這些情況，才能學會如何應對。

二者的本質區別在于，特斯拉采集的人類駕駛數據，包含了真實交通中的因果博弈與決策后果，這種基于物理現實的反饋，是AI做出可靠判斷的基礎；而英偉達僅依賴虛擬訓練的系統，由于缺乏對真實因果的體驗，其決策可能建立在錯誤的假設上，結果也將不堪設想。

所以，英偉達大概率也仍然會大面積采集真實的路測數據，虛擬仿真只有在因果關系被充分理解和建模后，才能作為訓練場。

如今，特斯拉在開發人形機器人Optimus時，也是由人類穿戴上動作捕捉裝置來搬箱子、擰螺絲，再讓機器人模仿學習。數據的核心不是“多”，而是“真”。

據了解，一些初創公司也在采用類似的“人類教練”模式，雇傭操作員控制機器人執行任務，或是穿著帶有傳感器的服裝為機器人演示操作，從而積累海量高質量訓練數據，賣給有需要的機器人公司。

正像Meta的前首席科學家楊立昆所指出的，真正的世界模型應該預測“狀態”，而不是生成“像素”。他的團隊嘗試用物理作為先驗約束，以提升模型與真實世界的一致性。而李飛飛團隊則致力于融合多模態仿真與真實數據，構建更具可信度的虛擬環境。這些路線才更有可能用于機器人和自動駕駛領域的訓練。

而Genie 3這種能快速搭建逼真場景的工具，只能用于不帶來真實后果的領域，比如生成教學演示場景、游戲畫面的預設計以及影視劇的視覺預演。

這也表明，真正的機會不在于能否生成一個虛擬場景，而在于為其貼上真實的物理標簽。因為真實世界比語言復雜得多，沒有人類的正確標注和演示，AI自己瞎練，只會南轅北轍。

所以，面對新技術，我們既要理解其原理，也要看清其適用邊界與產業影響。盲目追逐酷炫的表象，卻忽視誰能用工具持續產生價值，就容易誤判和恐慌；沒有看懂原理，就斷言某個行業將被顛覆，也會掉入泡沫的陷阱。

以上就是今天的內容，更多科技產業的前沿分析與趨勢洞察，我在科技特訓營中進行了持續分享，如果你也感興趣，歡迎加入，和我一起，先人一步，領先一路！

此外，也向各位家長推薦前哨AI冬令營。最好的學習是親手實踐，我們將通過高強度的集訓，讓孩子能親自上手完成一個真實的AI項目，從理解AI到駕馭AI。目前剩余席位已經不多，快快點擊鏈接了解詳情吧。

王煜全要聞評論，我們明天見。

注：本文僅作為技術和產業分析，不構成任何投資建議。

↓長按圖片掃碼報名，先人一步，領先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發布獨家資料，快快掃碼加入吧！

此外，我們還為您準備了一個思維導圖，掃描加群即可領取

“自動駕駛技術分析”

↓點擊學習王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！